روش های فرا ابتکاری

  یکی از روش­های حل مسائل بهینه سازی و به خصوص مسائل بهینه سازی ترکیبی، استفاده از الگوریتم های فراابتکاری است. به طور کلی الگوریتم های فراابتکاری را این گونه می­توان تعریف کرد:

«الگوریتم­های فراابتکاری، روش­های حلی هستند که بین- های بهبود محلی و استراتژی­ های سطح بالاتر، جهت ایجاد فرآیندی که قابلیت فرار از بهینه محلی و اجرای یک جستجوی پایدار را داشته باشد، هماهنگی ایجاد می­ کنند». [49]

علیرغم تمامی پیشرفت­هایی که در زمینه الگوریتم­های فراابتکاری شکل گرفته است، در طی دوران تکامل آنها، انتقاداتی نیز به آنها وارد بوده است. به عنوان مثال، منتقدان این زمینه مطرح ­کنند که می­توان تابع هدف را به گونه ای طراحی کرد که الگوریتم مزبور تمامی فضای مسئله را جستجو کند، و این در واقع معادل همان الگوریتم­های دقیق یا قطعی است. هم چنین هر کدام از این الگوریتم­ها در برخی از مسائل دارای قدرت هستند و در برخی دیگر می­توانند کاملا ضعیف عمل کنند.

در پاسخ به ایراد دوم این نکته نیز ذکر شده است که کارآیی دو الگوریتم، در یک مسئله خاص بیش از این که وابسته به نوع الگوریتم باشد، وابسته به پارامتر­هایی است که برای آن در نظر گرفته می­ شود. بنابراین باید گفت که نمی­توان در مورد کارآیی یک الگوریتم نسبت به دیگری اظهار نظر قطعی کرد.

به طور موردی در زمینه مقایسه کاربردی الگوریتم های فراابتکاری تحقیقاتی به عمل آمده است. اما همین موردی بودن آنها، نشان دهنده توانایی نسبی الگوریتم­های فراابتکاری در حل مسائل است. ابزار و مکانیزم­ هایی که در سال های اخیر و به مدد ابداع الگوریتم­های فراابتکاری به وجود آمده اند، کمک شایانی در حل مسائل بهینه سازی کرده اند. به طوری که شاید بتوان گفت، قدرتمندترین روش­ها برای حل مسائل بهینه سازی پیچیده، الگوریتم های فراابتکاری می­باشند. اگرچه روش­های فراابتکاری قابلیت تضمین بهینه سراسری بودن پاسخی را که ارائه می­ دهند ندارند، با این اوصاف، روش های تحلیلی نیز که بهینه بودن پاسخ را تضمین می­ کنند در حل مسائل پیچیده ناتوانند. علاوه بر این، برخی روش­های تحلیلی نیز ابداع شده اند که از رویه­های فراابتکاری در آنها کمک گرفته شده است و قابلیت دست یافتن به بهینه سراسری را در برخی مسائل بهینه سازی پیچیده دارند، که این امر به نوبه خود نشان دهنده اهمیت روش­های فراابتکاری است.

Robust