بررسی الگوریتم های متا-هیوریستیک و کاربردهای آن ها در حل مسائل بهینه سازی

در این مقاله، محققان به بررسی الگوریتم های متا-هیوریستیک و کاربردهای آن ها در حل مسائل بهینه سازی پرداخته اند. الگوریتم های متا-هیوریستیک روش های قدرتمندی برای حل مسائل پیچیده بهینه سازی هستند که از فرآیندهای طبیعی و اجتماعی الهام گرفته اند و به دنبال یافتن راه حل های نزدیک به بهینه هستند. یکی از مسائل مطرح شده در مقاله، برنامه ریزی مبتنی بر فعالیت است که بر اساس مسئله فروشنده دوره گرد طراحی شده است. هدف این مسئله بهینه سازی برنامه افراد با در نظر گرفتن سفرها و شبکه حمل و نقل موجود است. به دلیل پیچیدگی این مسئله، روش های سنتی و دقیق قادر به ارائه راه حل های مناسب نیستند. در این راستا، پژوهشگران به معرفی رویکردهای جدید مانند الگوریتم های فراابتکاری پرداخته اند. این تکنیک ها ممکن است راه حل بهینه را پیدا نکنند، اما می توانند در یک بازه زمانی معقول به یک راه حل نزدیک به بهینه برسند. در ادامه، نویسندگان تحلیل بیبلیومتریک را انجام داده و ویژگی های توصیفی و ارزیابی ۱۲۰ الگوریتم فراابتکاری را ارائه کرده اند. نتایج نشان می دهد که الگوریتم ژنتیک بیشترین کاربرد را دارد، اما الگوریتم کلونی مورچگان بر اساس تعداد استناد ها محبوب تر است. در پایان، شکاف های تحقیقاتی ناشناخته و انتظارات آینده مطرح شده است.

کلیدواژه ها:

الگوریتم های متا-هیوریستیک ، بهینه سازی ، الگوریتم ژنتیک ، الگوریتم کلونی مورچگان ، الگوریتم شبیه سازی تبرید