元啟發式優化

元啟發式優化算法用于提供指導用于優化困難搜索空間的較低級別啟發式技術的策略。這是一個很好的機會，因為從對文獻的簡單調查中，人們可以感覺到這種形式的算法可以特別適用于主要優化方法由于大型和復雜或非線性和/或多模態目標而失敗的地方。

下面，我們探討了元啟發式算法的兩個突出示例：禁忌搜索和迭代本地搜索是用于增強本地搜索算法功能的兩種技術。

 禁忌搜索

本節將禁忌搜索作為一種方法來提高局部搜索算法的效率，這些算法使用內存結構，這些結構的特殊目的避免了以前解決方案形式的陷阱，這有助于局部最優的轉義形式。

關鍵組件：

1. Tabu List：這是一個短期記憶，用于存儲上次訪問的解決方案的解決方案或區段屬性。那些導致這些解決方案的模式被稱為 “tabu”，意思是禁止，以避免進入一個循環。

2. 抱負標準：這是所選方法中最重要的元素，因為如果朝著某個方向移動導致的分數明顯優于迄今為止已知的分數，它會釋放禁忌解決方案，并允許搜索返回到可能有價值的領域。

3. 鄰里搜索：研究當前解決方案的其他次優解決方案，并選擇禁忌列表之外的最佳舉措。如果所有動作都是禁忌，則選擇具有抱負標準的最