Quelle est la différence entre les méthodes heuristiques et métaheuristiques?
Après quelques recherches sur les algorithmes j'ai trouvé deux termes qui me confond.
J'ai lu au moins 20 articles et encore, il n'y a pas de définition claire sur soit.
J'espère que quelqu'un peut m'aider à faire la différence entre les méthodes heuristiques et métaheuristiques algorithmes.
Et si possible, ajoutez la source.
ps: je connais déjà le sens des mots, mais je ne sais pas ce que la différence exacte entre eux en informatique.
merci d'avance
- Cela dépend vraiment du contexte. Les heuristiques sont des règles utiles qui se rapprochent de la réponse parfaite/comportement. Sans contexte, l'ajout de méta-les à ne pas lui donner une signification particulière, cela signifie juste que c'est de la méta, c'est à dire des heuristiques sur des heuristiques.
- C'est dans le contexte des algorithmes
- Cela dépend toujours du contexte, d'une façon qui signifie que vous n'obtiendrez jamais de réponse claire, parce qu'ils ne sont pas en ligne droite définie. Dans IA cercles, une heuristique est une "bonne estimation" de la fonction utilisée comme un bloc de construction d'un plus grand (généralement à la recherche de l'algorithme. Une méta-heuristique est une sorte de "deviner" le système en lui-même qui continue de peaufiner ses suppositions. Mais c'est juste mon point de vue, ces choses sont si undefined que même les papiers de faire des évaluations comparatives des heuristiques vs méta-heuristiques, soit ne pas définir, ou d'offrir uniquement des définitions imprécises. En fait, vous savez lorsque vous voyez un.
- Merci je comprends maintenant 😉
Vous devez vous connecter pour publier un commentaire.
Vous pourriez penser à une heuristique comme un approximatif (pas d'approximation de la solution à un problème. La différence entre approximative et le rapprochement est que le premier est au sujet d'obtenir une bonne estimation de la solution d'un problème, mais que vous ne savez pas vraiment comment il est bon. La deuxième est une solution qui permet de prouver sa proximité à la solution optimale.
Donc, les heuristiques sont souvent dépendante du problème, qui est, vous définissez une heuristique pour un problème donné. Métaheuristiques sont problème indépendant de techniques qui peuvent être appliquées à un large éventail de problèmes. Une heuristique est, par exemple, le choix d'un élément aléatoire pour le faire pivoter dans le Quicksort. Un metaheuristic ne connaît rien au problème, il sera appliqué, il peut traiter des fonctions comme des boîtes noires.
On pourrait dire qu'une heuristique exploits dépendante du problème de l'information pour trouver un "suffisamment bonne" solution à un problème spécifique, tandis que les métaheuristiques sont, comme les modèles de conception générale algorithmique des idées qui peuvent être appliquées à un large éventail de problèmes.
Afin de donner un bon devis, par rapport à Alejandro réponse:
Être entièrement terminée. Nous devons faire la distinction entre exacte, approximative et heuristiques algorithmes. Exacte de l'algorithme trouve une solution exacte. Un algorithme approximatif devrait trouver une solution approximative, dans un délai acceptable, ainsi que son écart de gamme avec la prétendue solution optimale. Une heuristique tout simplement de trouver une solution acceptable, dans un délai acceptable.
Par la voie, Alejandro quicksort l'exemple ne semble pas tout à fait suffisant pour deux ou trois raisons différentes.
Pour une explication détaillée, voir:
Sörensen, K. (2015). Métaheuristiques—la métaphore exposés. Opérations internationales en Recherche Opérationnelle, 22(1), 3-18.
Les heuristiques sont les lignes directrices, metaheurstics est le cadre qui les utilise.