元啟發算法

元啟發算法（英文：metaheuristic）, 又稱 萬能啟發式演算法、萬用啟發式演算法。在計算機科學和數學優化中，元啟發是一種高級的程序或啟發式算法，專門用於搜索、生成或選取一個啟發式結果（局部搜索算法），該結果可以為一個最優化問題提供足夠好的求解，尤其適用於信息不完備或者計算能力受限時的最優化問題。

特色

元啟發算法(metaheuristic)，meta 代表其比一般啟發式演算法在搜尋能力上更為高階。而 heuristic 則代表其算法能夠在一個合理的計算成本內找到一個接近真實最佳解的解，但啟發式演算法並不能夠保證其解的可行性與最佳性。^[1] 式通常是使用大量的試誤以在龐大的解空間中搜尋最佳解。

元啟發算法皆在全域搜索與區域搜索中取得權衡，若算法著重區域搜索能力則容易落入區域最佳解陷阱，若著重全域搜索則可能無法收斂解。

演算法

• 模擬退火法 (Simulated annealing algorithm, SA)
• 社會認知算法 (Social cognitive optimization, SCO)
• 簡化群體演算法 (Simplified swarm optimizatiom, SSO)^{[2] [3]}
• 調和搜尋演算法 (Harmony search, HS) ^[4]
• 水循環算法 (Water cycle algorithm, WCA)^[5]
• 汽車跟蹤最佳化演算法 (Car tracking optimization algorithm)^[6]
• 細菌覓食法 (bacterial foraging algorithm)^[7]

仿生元啟發式演算法

該類型演算法以生物的習性或群體生物行為作為靈感加以發展成為演算法。

• 基因演算法 (Genetic algorithm, GA)
• 細菌覓食法 (bacterial foraging algorithm)^[7]
• 粒子群演算法 (Particle swarm optimization, PSO)
• 蟻群演算法 (Ant colony optimization, ACO)
• 布穀鳥搜索算法 (Cuckoo Search, CS) ^[8]
• 蝙蝠算法 (Bat algorithm, BA) ^[9]
• 螢火蟲算法 (Firefly algorithm, FA) ^[10]
• 猴群演算法 (Monkey algorithm) ^[11]
• 獅子演算法 (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]
• 飛蛾搜尋演算法 (Moth search algorithm)^[15]
• 鯊魚氣味演算法 (Shark smell optimization, SSO)^[16]
• 蚯蚓最佳化演算法 (Earthworm optimization algorithm, EWA)^[17]
• 帝王企鵝演算法 (Emperor Penguins Colony, EPC)^[18]
• 抹香鯨算法 (Sperm whale algorithm,SWA)^[19]
• 人類精神搜索 (Human mental search, HMS)^[20]
• 海洋掠食者算法 (Marine Predators Algorithm, MPA)^[21]
• 狩獵搜索 (Hunting search, HuS)^[22]
• 遷徙鳥類最佳化 (Migrating birds optimization, MBO)^[23]
• 靴子進階演算法（Boots Advanced Algorithm,BAA)