Meta启发式算法综述

摘要

Meta启发式算法因其无需梯度信息、结构简单且具备全局搜索能力，在组合优化、连续优化及多目标优化等领域获得广泛应用。本综述首先回顾了过去六年（2019–2024）中涌现的150+种创新Meta启发式算法的关键特性与性能评估标准，接着按照算法范式（进化、群体智能、物理化学模拟、人类行为模拟等）进行分类与比较，并讨论了自动化算法设计与元算法框架。此外，论文还汇总了315个基准测试函数的数学与可视化描述，用以评估算法表现。最后，针对算法选择难题与未来研究趋势，提出了包括自动化配置、理论分析与高维挑战在内的若干开放性问题。 (A survey on pioneering metaheuristic algorithms between 2019 and 2024, A Review of 315 Benchmark and Test Functions for Machine Learning Optimization Algorithms and Metaheuristics with Mathematical and Visual Descriptions)

---