قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Hyper-heuristique
Méthode d'optimisation de haut niveau qui sélectionne, combine ou génère des heuristiques de bas niveau pour résoudre des problèmes computationnels difficiles de manière automatisée.
Heuristique de sélection
Mécanisme qui choisit dynamiquement une heuristique ou une combinaison d'heuristiques parmi un ensemble prédéfini en fonction de l'état courant de la recherche.
Heuristique d'acceptation
Critère décisionnel qui détermine si une solution générée doit être acceptée ou rejetée, basé sur des métriques de performance et des stratégies d'exploration.
Apprentissage en ligne
Approche où l'hyper-heuristique adapte ses stratégies pendant l'exécution du processus d'optimisation en utilisant les informations collectées en temps réel.
Apprentissage hors ligne
Méthode où l'hyper-heuristique est entraînée sur un ensemble d'instances de problèmes avant son déploiement, créant des connaissances réutilisables pour de nouvelles instances.
Espace de heuristiques
Ensemble structuré d'heuristiques candidates et de leurs combinaisons possibles, exploré par l'hyper-heuristique pour identifier les stratégies optimales.
Domaine barrière
Principe fondamental stipulant que les hyper-heuristiques doivent opérer au-dessus du domaine de problème spécifique, garantissant leur applicabilité à différents contextes.
Auto-configuration
Capacité d'une hyper-heuristique à ajuster automatiquement ses propres paramètres et stratégies sans intervention humaine pendant l'optimisation.
Co-évolution
Processus évolutionnaire simultané où les heuristiques et les solutions co-évoluent, les heuristiques s'adaptant pour mieux résoudre les solutions émergentes.
Programmation génétique d'hyper-heuristiques
Application de la programmation génétique pour faire évoluer automatiquement des programmes ou des arbres de décision représentant des stratégies d'hyper-heuristiques.
Sélection d'heuristiques adaptative
Mécanisme qui modifie dynamiquement ses critères de sélection d'heuristiques en fonction de l'historique de performance et de l'état de convergence.
Fusion d'heuristiques
Technique combinant plusieurs heuristiques élémentaires pour créer des stratégies hybrides exploitant les forces complémentaires de chaque composant.
Méta-optimisation
Processus d'optimisation d'un optimiseur lui-même, où les hyper-heuristiques ajustent les paramètres des algorithmes sous-jacents pour maximiser leur efficacité.
Base de connaissances d'heuristiques
Système structuré stockant des informations sur la performance passée des heuristiques dans différents contextes pour guider les sélections futures.
Évolution grammaticale pour hyper-heuristiques
Méthode évolutionnaire utilisant une grammaire formelle pour contraindre et guider la génération de nouvelles heuristiques valides et structurées.
Système multi-agents d'hyper-heuristiques
Architecture distribuée où plusieurs agents hyper-heuristiques collaborent ou compétitionnent pour résoudre collectivement des problèmes d'optimisation complexes.
Apprentissage par renforcement pour hyper-heuristiques
Application des principes de l'apprentissage par renforcement où l'hyper-heuristique apprend une politique de sélection d'heuristiques par essais-erreurs.
Hybridation d'hyper-heuristiques
Combination de différentes approches hyper-heuristiques (sélection, génération, apprentissage) pour créer des systèmes plus robustes et performants.
Paysage de performance
Représentation multidimensionnelle de la performance des heuristiques selon différentes caractéristiques d'instances, guidant les décisions de sélection adaptatives.