TL: DR : L'iper-euristica è una metaeuristica, adatta a risolvere lo stesso tipo di problemi di ottimizzazione, ma (in linea di principio) offre un approccio di "prototipazione rapida" per i professionisti non esperti. In pratica, ci sono problemi con l'approccio prevalente, che motiva una prospettiva emergente sull'iper-euristica "whitebox" .
Più in dettaglio:
La metaeuristica è un metodo per cercare uno spazio intrattabilmente ampio di possibili soluzioni al fine di trovare una soluzione di "alta qualità". Metaeuristiche popolari includono ricottura simulata, ricerca tabu, algoritmi genetici ecc.
La differenza essenziale tra metaeuristica e ipereuristica è l'aggiunta di un livello di ricerca indiretta: informalmente, l'iper-euristica può essere descritta come "euristica per la ricerca nello spazio dell'euristica". Si può quindi usare qualsiasi metaeuristico come ipereuristico, purché la natura dello "spazio dell'euristica" da cercare sia opportunamente definita.
L'area di applicazione dell'iperuristica è quindi la stessa della metaoreistica. La loro applicabilità (relativa alla metaeuristica) è come uno "strumento di prototipazione rapida": la motivazione originale era quella di consentire ai professionisti non esperti di applicare la metaeuristica al loro specifico problema di ottimizzazione (ad esempio "Traveling-Salesman (TSP) plus time-windows plus bin- imballaggio ") senza richiedere esperienza nel settore problematico altamente specifico. L'idea era che ciò potesse essere fatto da:
- Consentire ai professionisti di implementare solo euristiche molto semplici (efficacemente, randomizzate) per trasformare potenziali soluzioni. Ad esempio, per il TSP: "scambia due città casuali" anziché (diciamo) l' euristico Lin-Kernighan più complesso .
- Ottieni risultati efficaci (nonostante usi queste semplici euristiche) combinandoli / sequenziandoli in modo intelligente, in genere impiegando una qualche forma di meccanismo di apprendimento.
L'iper-euristica può essere descritta come 'selettiva' o 'generativa' a seconda che le euristiche siano (rispettivamente) sequenziate o combinate. L'iper-euristica generativa quindi spesso utilizza metodi come la programmazione genetica per combinare l'euristica primitiva e sono quindi tipicamente personalizzati dal professionista per risolvere un problema specifico. Ad esempio, il documento originale sull'iper-euristica generativa utilizzava un sistema di classificazione dell'apprendimento per combinare l'euristica per l'imballaggio del bidone. Poiché gli approcci generativi sono specifici del problema, i seguenti commenti non si applicano ad essi.
Al contrario, il motivatore originale dell'iper-euristica selettiva era che i ricercatori sarebbero stati in grado di creare un risolutore iper-euristico che probabilmente avrebbe funzionato bene in un settore problematico invisibile, usando solo semplici euristiche randomizzate.
Il modo in cui questo è stato tradizionalmente implementato è stato attraverso l'introduzione della "barriera del dominio iper-euristico" (vedere la figura seguente), in base alla quale si afferma che la generalità attraverso i domini problematici è realizzabile impedendo al risolutore di avere conoscenza del dominio su cui è operativo. Invece, risolverebbe il problema operando solo su indici interi opachi in un elenco di euristiche disponibili (ad esempio alla stregua del "Problema del bandito multi-armato" ).
In pratica, questo approccio "non vedente" non ha portato a soluzioni di qualità sufficiente. Al fine di ottenere risultati comparabili ovunque con la metaeuristica specifica del problema, i ricercatori ipereuristici hanno dovuto implementare euristiche complesse specifiche del problema, fallendo così nell'obiettivo della prototipazione rapida.
In linea di principio è ancora possibile creare un risolutore selettivo ipereuristico in grado di generalizzare a nuovi domini problematici, ma ciò è stato reso più difficile poiché la nozione sopra di barriera del dominio significa che è disponibile solo un set di funzionalità molto limitato -apprendimento di dominio (ad esempio come esemplificato da un popolare quadro ipereuristico selettivo ).
Una prospettiva di ricerca più recente verso l'iper-euristica "whitebox" sostiene un approccio dichiarativo e ricco di funzionalità per la descrizione dei domini problematici. Questo approccio presenta numerosi vantaggi dichiarati:
- I professionisti ora non devono più implementare l' euristica, ma piuttosto semplicemente specificare il dominio del problema.
- Elimina la barriera del dominio, ponendo l'iper-euristica sullo stesso stato "informato" sul problema della metaeuristica specifica del problema.
- Con una descrizione del problema della whitebox, il famigerato teorema "No Free Lunch" (che afferma essenzialmente che, considerato nello spazio di tutti i problemi della scatola nera , la ricottura simulata con un programma di ricottura infinita è, in media, buona come qualsiasi altro approccio) no si applica più a lungo.
DICHIARAZIONE DI NON RESPONSABILITÀ: lavoro in quest'area di ricerca ed è quindi impossibile rimuovere tutti i pregiudizi personali dalla risposta.