مروری بر انواع الگوریتم های فراکاوشی در بهینه سازی

با پیچیده تر شدن مسائل بهینه سازی و عدم کارایی مطلوب روش های تحلیلی سنتی، نیاز به ابزارهای قویتر برای حل این مسائل احساس شد. علاوه بر مشکلاتی همچون نیاز به تضمین هایی در خصوص مشتق پذیری و پیوستگی، امکان همگرایی به بهینۀ محلی، زمان حلِ این روش ها در بسیاری از مسائل به صورت نمایی رشد می کند. در پاسخ به این نیاز، الگوریتم های حل فراکاوشی ظهور پیدا کردند. این روش ها هیچگونه نیازی به اطلاعات مشتق مساله ندارند، با عملگرهای خاص خود قادر به فرار از بهینۀ محلی و کشف بهینۀ کلی هستند و زمان محاسبات مورد نیاز در آن ها با افزایش ابعاد مساله به صورت خطی یا چندجمله ای افزایش می یابد. با این حال به دلیل پراکندگی این روش ها در تحقیقات مختلف و عدم سازمان دهی کامل آن ها، محققان شناخت مناسبی از طیف گستردۀ این الگوریتم ها، سازوکار و ویژگی های این الگوریتم ها ندارند. در این مقاله سعی شده است شماری از مهم ترین و کاربردی ترین این الگوریتم ها (40 الگوریتم فراکاوشی مختلف) معرفی گردد، ویژگی های اصلی این الگوریتم ها همچون سازوکار جستجوی فضای مسالۀ بهینه سازی، عملگرهای اساسی و منبع الهام هریک شرح داده شود. همچنین به صورت فشرده، بعضی وجوه تمایز این الگوریتم ها مانند قابلیت جستجوی محلی و کلی، تعریف حافظه و تنظیم پارامترها بحث شده است.