최적화를 위해 Wikipedia에서 :
컴퓨터 과학에서 메타 휴리스틱 은 주어진 품질 측정과 관련하여 후보 솔루션을 반복적으로 개선하여 문제 를 최적화 하는 계산 방법을 지정 합니다. Metaheuristics는 최적화되는 문제에 대한 가정을 거의 또는 전혀하지 않으며 후보 솔루션의 매우 넓은 공간을 검색 할 수 있습니다. 그러나 메타 휴리스틱은 최적의 솔루션을 찾도록 보장하지 않습니다. 많은 메타 휴리스틱은 어떤 형태의 확률 론적 최적화를 구현합니다.
Metaheuristic과 유사한 의미를 가진 다른 용어는 파생물 없음, 직접 검색, 블랙 박스 또는 실제로 휴리스틱 최적화 프로그램입니다. 이 주제에 관한 몇 권의 책과 설문지가 출판되었습니다.
최적화 방법이 메타 휴리스틱인지 아닌지 어떻게 알 수 있습니까? 예를 들어
(1) 선형 프로그래밍을위한 단순한 방법은 메타 휴리스틱인가?
(2) 그래디언트 디센트, 라그랑지안 멀티 플라이어 방법, 페널티 방법, 내부 포인트 방법 (배리어 방법), 메타 휴리스틱과 같은 비선형 프로그래밍 방법의 대부분은?
(3) Nelder–Mead 방법 또는 내리막 심플 렉스 방법과 같은 모든 기울기없는 방법은 메타 휴리스틱입니까?
메타 휴리스틱이 아닌 최적화 방법에는 어떤 것이 있습니까?
Wikipedia의 문제 해결 기술에 대한보다 일반적으로 (최적화를 넘어서) :
휴리스틱 은 문제 해결, 학습 및 발견을위한 경험 기반 기술을 말합니다 . 철저한 검색이 실용적이지 않은 경우, 휴리스틱 방법은 만족스러운 솔루션을 찾는 프로세스 속도를 높이기 위해 사용됩니다. 이 방법의 예에는 경험 법칙, 교육받은 추측, 직관적 판단 또는 상식을 사용하는 것이 포함됩니다.
좀 더 정확하게 말하면 휴리스틱은 쉽게 접근 할 수 있지만 쉽게 적용 할 수있는 정보를 사용하여 인간과 기계의 문제 해결을 제어하는 전략입니다.
"휴리스틱"의 의미를 이해하는 방법이 궁금합니다.
"문제 해결, 학습 및 발견"기술이 휴리스틱인지 아닌지 어떻게 알 수 있습니까?
휴리스틱이 아닌 "문제 해결, 학습 및 발견"기술은 무엇입니까?
감사합니다.