टीएल: डीआर : हाइपर- हेयूरिस्टिक्स मेटाह्यूरिस्ट्स हैं, जो एक ही तरह की अनुकूलन समस्याओं को हल करने के लिए अनुकूल हैं, लेकिन (सिद्धांत रूप में) गैर-विशेषज्ञ चिकित्सकों के लिए "रैपिड प्रोटोटाइप" दृष्टिकोण की पुष्टि करते हैं । व्यवहार में, प्रचलित दृष्टिकोण के साथ मुद्दे हैं, जो 'व्हाइटबॉक्स' हाइपर-आंकड़े पर एक उभरते हुए परिप्रेक्ष्य को प्रेरित करता है ।
विस्तृत रूप में:
Metaheuristics 'उच्च गुणवत्ता' समाधान खोजने के लिए संभव समाधानों के एक बड़े पैमाने पर बड़े स्थान की खोज के लिए विधियां हैं। लोकप्रिय मौसम विज्ञान में नकली एनालाइजिंग, टैबू सर्च, जेनेटिक एल्गोरिदम आदि शामिल हैं।
मेटाह्यूरिस्टिक्स और हाइपर-हेयूरिस्टिक्स के बीच आवश्यक अंतर खोज अप्रत्यक्ष के स्तर का जोड़ है: अनौपचारिक रूप से, हाइपर-हेयुरिस्टिक्स को 'हेयुरेटिक्स के स्थान की खोज के लिए' आंकड़े के रूप में वर्णित किया जा सकता है। इसलिए कोई भी हाइपर-ह्यूरिस्टिक के रूप में किसी भी मेटाएरिस्टिक का उपयोग कर सकता है, जिससे खोजे जाने वाले 'आंकड़ो के स्थान' की प्रकृति को उचित रूप से परिभाषित किया जा सके।
हाइपर-हेयूरिस्टिक्स के लिए आवेदन क्षेत्र इसलिए मेटाहाटॉस्टिक के समान है। उनकी प्रयोज्यता (metaheuristics के सापेक्ष) एक 'रैपिड प्रोटोटाइप टूल' के रूप में है: मूल प्रेरणा गैर-विशेषज्ञ चिकित्सकों को अपनी विशिष्ट अनुकूलन समस्या (उदाहरण के लिए "ट्रैवलिंग-सेल्समैन (TSP)) प्लस टाइम-विंडो प्लस बिन- में metaheuristics लागू करने की अनुमति देना था। पैकिंग ") अत्यधिक विशिष्ट समस्या डोमेन में विशेषज्ञता की आवश्यकता के बिना। विचार यह था कि यह किया जा सकता है:
- संभावित समाधानों को बदलने के लिए केवल बहुत ही सरल (प्रभावी रूप से, यादृच्छिक रूप से) उत्तराधिकार को लागू करने के लिए चिकित्सकों को अनुमति देना। उदाहरण के लिए, टीएसपी के लिए: अधिक जटिल लिन-कार्निघन हेयरिस्टिक के बजाय "दो यादृच्छिक शहरों की अदला-बदली" करें ।
- प्रभावी परिणाम प्राप्त करें (इन सरल उत्तराधिकारियों का उपयोग करने के बावजूद) उन्हें एक बुद्धिमान तरीके से संयोजन / अनुक्रमित करके, आमतौर पर कुछ सीखने के तंत्र को नियोजित करके।
हाइपर-हेयूरिस्टिक्स को 'सिलेक्टिव' या 'जेनरेटिव' के रूप में वर्णित किया जा सकता है, जो इस बात पर निर्भर करता है कि हेयुरिस्टिक्स क्रमशः (क्रमबद्ध) हैं या संयुक्त हैं। जेनेरिक हाइपर-ह्यूरिस्टिक्स इस प्रकार प्रायः प्राइमरी हेयुरिस्टिक्स को संयोजित करने के लिए जेनेटिक प्रोग्रामिंग जैसे तरीकों का उपयोग करते हैं और इसलिए विशिष्ट समस्या को हल करने के लिए आमतौर पर प्रैक्टिशनर द्वारा अनुकूलित होते हैं। उदाहरण के लिए, जेनरेटर हाइपर-ह्युरिस्टिक्स पर मूल पेपर ने बिन-पैकिंग के लिए युरिस्टिक्स को संयोजित करने के लिए एक लर्निंग क्लासिफायर सिस्टम का उपयोग किया। चूँकि जेनेरिक अप्रोच समस्या-विशिष्ट हैं, इसलिए नीचे दी गई टिप्पणियां उन पर लागू नहीं होती हैं।
इसके विपरीत, चयनात्मक हाइपर-हेयुरिस्टिक्स के लिए मूल प्रेरक यह था कि शोधकर्ता हाइपर-हेयुरिस्टिक सॉल्वर बनाने में सक्षम होंगे जो केवल एक सरल यादृच्छिक यादृच्छिक सांख्यिकी का उपयोग करके एक अनदेखी समस्या डोमेन में अच्छी तरह से काम करने की संभावना रखते थे।
जिस तरह से इसे पारंपरिक रूप से लागू किया गया है वह 'हाइपर-ह्यूरिस्टिक डोमेन बैरियर' की शुरुआत के माध्यम से था (देखें आंकड़ा, नीचे), जिससे समस्या डोमेन पर व्यापकता का दावा किया जा सकता है ताकि डोमेन के बारे में जानकारी रखने से सॉल्वर को रोका जा सके। यह चल रहा है। इसके बजाय, यह केवल उपलब्ध हेटिस्टिक्स ( 'बहु-सशस्त्र दस्यु समस्या' के तरीके में) की सूची में अपारदर्शी पूर्णांक सूचकांकों पर काम करके समस्या को हल करेगा ।
व्यवहार में, इस 'डोमेन ब्लाइंड' दृष्टिकोण के कारण पर्याप्त गुणवत्ता के समाधान नहीं हुए हैं। समस्या-विशिष्ट मीट्रिक के तुलना में कहीं भी परिणाम प्राप्त करने के लिए, हाइपर-हेयुरिस्टिक शोधकर्ताओं को जटिल समस्या-विशिष्ट हेयूरिस्टिक्स को लागू करना पड़ा है, जिससे तेजी से प्रोटोटाइप के लक्ष्य में विफल रहा है।
सिलेक्टिव हाइपर-ह्यूरिस्टिक सॉल्वर बनाने के लिए सिद्धांत रूप में यह अभी भी संभव है जो नई समस्या डोमेन को सामान्य करने में सक्षम है, लेकिन यह अधिक कठिन बना दिया गया है क्योंकि डोमेन अवरोध की उपरोक्त धारणा का मतलब है कि केवल क्रॉस के लिए बहुत सीमित सुविधा सेट उपलब्ध है। -डोमेन लर्निंग (उदाहरण के लिए एक लोकप्रिय चयनात्मक हाइपर-हेयुरिस्टिक फ्रेमवर्क द्वारा उदाहरण के लिए )।
'व्हाइटबॉक्स' हाइपर-ह्यूरिस्टिक्स के प्रति अधिक हालिया शोध परिप्रेक्ष्य समस्या डोमेन का वर्णन करने के लिए एक घोषणात्मक, सुविधा संपन्न दृष्टिकोण की वकालत करता है। इस दृष्टिकोण के कई फायदे हैं:
- चिकित्सकों को अब उत्तराधिकार को लागू करने की आवश्यकता नहीं है , बल्कि केवल समस्या डोमेन को निर्दिष्ट करना है।
- यह डोमेन-बैरियर को समाप्त करता है, समस्या-विशिष्ट मेटाहिस्टिक्स के रूप में समस्या के बारे में उसी 'सूचित' स्थिति पर हाइपर-ह्यूरिस्टिक्स लगाता है।
- व्हाइटबॉक्स समस्या वर्णन के साथ, कुख्यात 'नो फ्री लंच' प्रमेय (जो अनिवार्य रूप से बताता है कि, सभी ब्लैक बॉक्स समस्याओं के स्थान पर माना जाता है, एक अनंत एनालिंग शेड्यूल के साथ सिम्युलेटेड एनालिंग औसतन, किसी भी अन्य दृष्टिकोण के रूप में अच्छा है) अब लागू होता है।
अस्वीकरण: मैं इस अनुसंधान क्षेत्र में काम करता हूं, और इसलिए उत्तर से सभी व्यक्तिगत पूर्वाग्रह को हटाना असंभव है।