元启发算法

元启发算法（英文：metaheuristic）, 又称 万能启发式演算法、万用启发式演算法。在计算机科学和数学优化中，元启发是一种高级的程序或启发式算法，专门用于搜索、生成或选取一个启发式结果（局部搜索算法），该结果可以为一个最优化问题提供足够好的求解，尤其适用于信息不完备或者计算能力受限时的最优化问题。

特色

元启发算法(metaheuristic)，meta 代表其比一般启发式演算法在搜寻能力上更为高阶。而 heuristic 则代表其算法能够在一个合理的计算成本内找到一个接近真实最佳解的解，但启发式演算法并不能够保证其解的可行性与最佳性。^[1] 式通常是使用大量的试误以在庞大的解空间中搜寻最佳解。

元启发算法皆在全域搜索与区域搜索中取得权衡，若算法著重区域搜索能力则容易落入区域最佳解陷阱，若著重全域搜索则可能无法收敛解。

演算法

• 模拟退火法 (Simulated annealing algorithm, SA)
• 社会认知算法 (Social cognitive optimization, SCO)
• 简化群体演算法 (Simplified swarm optimizatiom, SSO)^{[2] [3]}
• 调和搜寻演算法 (Harmony search, HS) ^[4]
• 水循环算法 (Water cycle algorithm, WCA)^[5]
• 汽车跟踪最佳化演算法 (Car tracking optimization algorithm)^[6]
• 细菌觅食法 (bacterial foraging algorithm)^[7]

仿生元启发式演算法

该类型演算法以生物的习性或群体生物行为作为灵感加以发展成为演算法。

• 基因演算法 (Genetic algorithm, GA)
• 细菌觅食法 (bacterial foraging algorithm)^[7]
• 粒子群演算法 (Particle swarm optimization, PSO)
• 蚁群演算法 (Ant colony optimization, ACO)
• 布谷鸟搜索算法 (Cuckoo Search, CS) ^[8]
• 蝙蝠算法 (Bat algorithm, BA) ^[9]
• 萤火虫算法 (Firefly algorithm, FA) ^[10]
• 猴群演算法 (Monkey algorithm) ^[11]
• 狮子演算法 (Lion optimization algorithm, LOA)^[12]
• 人工蜂群演算法 (Artificial bee colony, ABC)^[13]
• 病毒最佳化演算法 (Virus Optimization Algorithm, VOA)^[14]
• 飞蛾搜寻演算法 (Moth search algorithm)^[15]
• 鲨鱼气味演算法 (Shark smell optimization, SSO)^[16]
• 蚯蚓最佳化演算法 (Earthworm optimization algorithm, EWA)^[17]
• 帝王企鹅演算法 (Emperor Penguins Colony, EPC)^[18]
• 抹香鲸算法 (Sperm whale algorithm,SWA)^[19]
• 人类精神搜索 (Human mental search, HMS)^[20]
• 海洋掠食者算法 (Marine Predators Algorithm, MPA)^[21]
• 狩猎搜索 (Hunting search, HuS)^[22]
• 迁徙鸟类最佳化 (Migrating birds optimization, MBO)^[23]
• 靴子进阶演算法（Boots Advanced Algorithm,BAA)