Hiper-Sezgisel Yöntemler
Hyper-Heuristics · Ayrıca şöyle bilinir: Heuristic of Heuristics, Algorithm Selection Hyper-Heuristic, Selection Hyper-Heuristic, Hiyer-Sezgisel
Hiper-sezgisel yöntemler, doğrudan çözüm uzayı yerine sezgisel yöntemler uzayında arama yapan üst düzey metodolojilerdir. Burke vd. (2013) tarafından çığır açan araştırmalarında sistematik olarak tanıtılan hiper-sezgisel yöntemler, zor kombinatoryal optimizasyon ve arama problemlerini çözmek için alt düzey sezgisel yöntemleri seçerek veya üreterek çalışır; bu sayede derin problem-spesifik bilgi gerektirmeden çeşitli problem alanlarında optimizasyon algoritmalarının tasarımını otomatikleştirmeyi amaçlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Hiper-sezgisel yöntemler, kombinatoryal bir optimizasyon problemiyle karşılaştığınızda ancak özel bir meta-sezgisel yöntem tasarlamak için uzmanlığınız veya zamanınız olmadığında ya da birden fazla ilgili problem örneğinde yeniden kullanılabilir tek bir çerçeveye ihtiyacınız olduğunda uygundur. Özellikle çizelgeleme, zamanlama, kutu paketleme ve rotalama için uygundurlar. Temel varsayımlar arasında bir dizi alt düzey sezgisel yöntemin ve bir çözüm değerlendirme fonksiyonunun mevcudiyeti bulunur. Sınırlamalar arasında, yüksek düzeyde ayarlanmış probleme özgü algoritmalardan potansiyel olarak daha düşük tepe performans ve sağlanan sezgisel havuzun kalitesine duyarlılık yer alır.
Güçlü yönler & sınırlılıklar
- Alan-genelliği: üst düzey arama bileşeni, farklı problem sınıflarında değişiklik yapmadan yeniden kullanılabilir.
- Algoritma tasarımının otomasyonu: probleme özgü meta-sezgisel yöntemler oluşturmak için uzman bilgisine bağımlılığı azaltır.
- Uyarlanabilirlik: öğrenmeye dayalı seçim mekanizmaları, çerçevenin tek bir çalıştırma sırasında performansı iyileştirmesine olanak tanır.
- Sağlamlık: kapsamlı parametre ayarı gerektirmeden çeşitli problem örneklerinde rekabetçi çözüm kalitesini korur.
- Tepe performans, herhangi bir tek problemde, yüksek düzeyde özelleştirilmiş, probleme özgü bir meta-sezgisel yöntemin performansının genellikle altındadır.
- Sonuçların kalitesi, sağlanan alt düzey sezgisel havuzun zenginliğine ve çeşitliliğine büyük ölçüde bağlıdır.
- Sezgisel üretim hiper-sezgisel yöntemleri (örn. dilbilgisi tabanlı olanlar) yüksek hesaplama yükü getirir.
- Teorik yakınsama garantileri büyük ölçüde eksiktir, bu da resmi performans analizini zorlaştırır.
SSS
Bir hiper-sezgisel yöntemi bir meta-sezgisel yöntemden ayıran nedir?
Bir meta-sezgisel yöntem, probleme özgü operatörler kullanarak doğrudan problem çözüm uzayını arar. Bir hiper-sezgisel yöntem bir seviye yukarıda çalışır: sezgisel yöntemler uzayını arar, hangi operatörün bir sonraki uygulanacağını seçer veya üretir. Bu ayrım alan bağımsızlığı sağlar — aynı hiper-sezgisel çerçeve, alt düzey sezgisel havuzunu değiştirerek tamamen farklı problem türlerinde yeniden kullanılabilir.
Hiper-sezgisel yöntemler yeni sezgisel yöntemler üretebilir mi, yoksa sadece mevcut olanları mı seçer?
Her ikisi de mümkündür. Seçim hiper-sezgisel yöntemleri, her karar noktasında önceden tanımlanmış alt düzey sezgisel yöntemlerden oluşan sabit bir havuzdan seçim yapar. Üretim hiper-sezgisel yöntemleri (örn. genetik programlama veya dilbilgisi tabanlı evrim kullanarak), arama sırasında otomatik olarak yeni sezgisel yöntemler oluşturur. Üretim yaklaşımları daha yüksek esneklik sunar ancak önemli ölçüde daha fazla hesaplama maliyeti ve uygulama karmaşıklığına sahiptir.
Alt düzey sezgisel havuzunu nasıl oluşturmalıyım?
Havuz, problemin ana yapısal özelliklerini toplu olarak kapsayan çeşitli, tamamlayıcı operatörler içermelidir. Tipik seçimler arasında yerel arama hareketleri (örn. takas, ekleme, ters çevirme), yapıcı sezgisel yöntemler ve pertürbasyon operatörleri bulunur. Gereksiz veya neredeyse aynı sezgisel yöntemler seçim kapasitesini boşa harcar. Hiper-sezgisel katmanın kendisi alan bağımsız kalsa bile, bir alan uzmanı havuzu sağlamalı ve doğrulamalıdır.
Kaynaklar
- Burke, E. K., et al. (2013). Hyper-heuristics: A survey of the state of the art. Journal of the Operational Research Society, 64(12), 1695–1724. DOI: 10.1057/jors.2013.71 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Hyper-Heuristics. ScholarGate. https://scholargate.app/tr/optimization/hyper-heuristics
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genetik AlgoritmaOptimizasyon↔ karşılaştır
- Matheuristics: Matematiksel Programlama ve Meta-sezgisellerin HibritleştirilmesiOptimizasyon↔ karşılaştır
- Tabu SearchOptimizasyon↔ karşılaştır