.png){kind=icon}
返回
Metaheuristic Optimization Algorithms: an overview
.png){kind=icon}
OA
AI
DOI：10.46223/hcmcoujs.acs.en.14.1.47.2024.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元启发式优化算法以其通用性和适应性而闻名，使其成为解决广泛复杂优化问题的有效工具。它们不依赖于特定问题类型、梯度，能够在全局范围内进行探索，并处理多目标优化。它们在探索与利用之间取得平衡，为优化领域的发展做出贡献。然而，值得注意的是其局限性，包括缺乏对全局最优解的保证、收敛率变化以及其运作机制具有一定不透明性。相比之下，基于隐喻的优化算法虽然直观上具有吸引力，但由于潜在的过度简化和不切实际的期望而面临争议。尽管存在这些考虑因素，元启发式算法仍被广泛应用于解决复杂问题。本研究旨在探讨优化算法的基本组成和概念，重点关注搜索参考的使用以及探索与利用之间微妙的平衡。还将提供所选元启发式算法搜索行为的可视化表示。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息