در ادامه بخش قبلی “جستجوهای هیوریستیک و متاهیوریستیک در حل مسائل (Heuristic and Metaheuristic) – قسمت اول”:

با توجه به ساختار مسائل، روشهای جستجوی آگاهانه را می‌توان به دو رده کلی تقسیم نمود:

1- جستجو برای رسیدن به راه حل مسئله (Heuristics):

با استفاده از توابع اکتشافی به شکلی سیستماتیک، سعی میکنیم مسیری به سمت پاسخ مسئله بیابیم. در واقع مسیر رسیدن به هدف، همان راه حل مسئله است. منجمله میتوان به الگوریتمهای A*, TSA*، روشهای حریصانه Greedy و SMA*و RBFS و … اشاره نمود.

2- جستجو برای رسیدن به یک پاسخ (Metaheuristics):

در این روش دیگر مسیر رسیدن به پاسخ برای ما اهمیت ندارد، تنها نکته مورد توجه، پیدا کردن یک پاسخ برای مسئله است. (مثل مسائل کلاسیک مانند TSP و N-Queen و …)

دلیل استفاده از الگوریتمهای متاهیوریستیک، گستردگی و حجم بسیار بسیار زیاد فضای برخی مسائل (همان تعداد حالات ممکن جهت بررسی پاسخ مسئله) است. دسته‌ای از اینگونه مسائل، مسائل “بهینه سازی” و “بهینه سازی ترکیبی” هستند.

از معروفترین الگوریتمهای متاهیوریستیک، میتوان به جستجوی تپه نوردی (Hill Climbing)، الگوریتم ژنتیک (Genetic)، شبیه سازی حرارتی (Simulated Annealing)، جستجوی ممنوع (Tabu Search)، جستجوی پرتو (Beam Search) و الگوریتم کلونی مورچه‌ها (Ant Colony) اشاره نمود.

Print this pageEmail this to someoneShare on Google+Share on FacebookShare on LinkedInTweet about this on TwitterShare on RedditShare on TumblrShare on StumbleUponPin on Pinterest