skip to Main Content

Основное преимущество гиперэвристик — построение эффективных методов решения класса проблем, нежели решения одиночной конкретной задачи из класса.

Эвристические алгоритмы по праву завоевали всемирную популярность, позволив получать хорошие решения нерешаемых точными методами оптимизационных задач.
В стремлении получать лучшие решения люди создавали все новые эвристические алгоритмы, исследовали их на различных классах задач и приходили к выводу,что для задач определенной специфики целесообразно использовать эвристики, которые плохо справляются с решением других оптимизационных задач. Среди причин этого явления можно назвать и то, что каждая метаэвристика изначально создается для конкретной задачи и в полной мере учитывает лишь ее особенности, и нельзя назвать эвристический алгоритм, который превосходил бы остальные алгоритмы на всех без исключения классах задач. Было разработано огромное количество эвристик, и применимость каждой из них обосновывалась либо экспериментальными результатами, либо аргументами, основанными на специфике класса задач, для которого создавалась эвристика. Понимая под эвристиками алгоритмы поиска, некоторые авторы порой утверждали абсолютное превосходство одной эвристики над другой. Эта практика стала исчезать, когда в 1995 г. Wolpert и MacReady опубликовали«теорему об эквивалентности алгоритмов поиска» (No Free Lunch Theorem), которая показывает, что в среднем по всем задачам, определенным на некотором заданном конечном пространстве поиска, все алгоритмы поиска имеют одинаковую среднюю эффективность. Все эти обстоятельства послужили толчком к созданию эвристических оптимизационных алгоритмов нового поколения – гипе-рэвристик. Каждая гиперэвристика по сути представляет собой совокупность нескольких простых эвристик и лиметаэвристикий набор правил, позволяющих управлять их работой и выбирать для каждой конкретной задачи наиболее эффективные методы из имеющегося перечня. Использование такой структуры дает возможность значительно снижать эффект узконаправленности алгоритмов и создавать более универсальные, применимые для качественного решения различных классов задач