まえがき
こんにちは、ハブロフチャン。
比較的長い間、私は最適化などの数学の分野を研究してきました。 具体的には、機能と動的システムの最適化（最適なプログラム制御と完全なフィードバック制御の合成）。 私が遭遇した応用問題の解決にはいくつかの困難が伴うという事実のために、私の側では特にヒューリスティックな最適化手法に注意が払われました。
- 大きな寸法
- 非線形性
- マルチモダリティ。
ハーモニー検索
この方法のアイデアは、ジャズミュージシャンの即興演奏に触発されました。 ミュージシャンは、まったく新しいものを演奏したり（研究中の空間でランダムなポイントを生成したり）、かつて聞いたことに似たものを演奏したり（記憶のポイントの修正または組み合わせ）ことができます。
人工免疫システム
名前が示すように、これらの方法は免疫理論の原理を模倣します。 現在、このクラスのアルゴリズムには次のものが含まれています。
- クローン選択アルゴリズム、
- 負の選択アルゴリズム、
- 免疫ネットワーク
- 樹状細胞アルゴリズム。
重力探索
2009年にRashediらによって提案された重力探索（GS）のアルゴリズムは、重力相互作用中の重い物体の挙動に触発されました。 このアルゴリズムは、中心力最適化（CFO）アルゴリズムの開発です。 GSの主な違いは、確率論的な性質です（CFOの決定論とは対照的です）。
散布図検索
散布検索法は、見つかった良い点から成るさまざまな基本的な結果を処理することに基づいています。 実際、処理は、さまざまな基本的な結果を組み合わせ、改善し、更新することから成ります。 この方法は、5つの操作に基づいています。
- さまざまなソリューションを生成する方法、
- 意思決定改善方法、
- 多くの基本的な結果を更新する方法、
- サブセット生成方法、
- 組み合わせ決定方法。
クロスエントロピー法
この方法は、1997年にRubensteinによって最初に提案されました。 当初は、組み合わせ最適化問題を解決するために開発されましたが、後に連続関数を最適化するために適用されました。 この方法の主な特徴は、調査対象の空間の点を最適にテストし、良好な点の分布を近似することです（通常は通常の法則によって）。 アルゴリズムの各ステップで、現在の分布に従ってランダムポイントが生成され、その後分布調整に参加します。 アルゴリズムの実行中、分布はますます「クリーン」になり、安定します。これにより、最適化問題の近似解を選択できます。
あとがき
もちろん、このメソッドのリストは網羅的なものではありません。 膨大な数の最適化手法がまだあり、それぞれに独自の特徴があります。 私が言えることは、ほぼ毎日新しいアルゴリズムが登場するということです。 私は、最新のメソッドとそのアプリケーションの適用範囲に対処したいと思います。