ハイパーヒューリスティックとは何ですか？
回答:
TL：DR：ハイパーヒューリスティックはメタヒューリスティックであり、同じ種類の最適化問題を解決するのに適していますが、（原則として）専門家ではない人に「迅速なプロトタイピング」アプローチを提供します。実際には、一般的なアプローチには問題があり、「ホワイトボックス」ハイパーヒューリスティックスに関する新たな視点を動機づけています。
さらに詳細に：
メタヒューリスティクスは、「高品質」のソリューションを見つけるために、考えられるソリューションの非常に大きなスペースを検索する方法です。人気のあるメタヒューリスティックスには、シミュレーテッドアニーリング、タブー検索、遺伝的アルゴリズムなどがあります。
メタヒューリスティックとハイパーヒューリスティックの本質的な違いは、検索の間接参照のレベルの追加です。非公式に、ハイパーヒューリスティックは「ヒューリスティックの空間を検索するためのヒューリスティック」と表現できます。したがって、検索される「ヒューリスティックの空間」の性質が適切に定義されていれば、メタヒューリスティックをハイパーヒューリスティックとして使用できます。
したがって、ハイパーヒューリスティックのアプリケーション領域はメタヒューリスティックと同じです。それらの適用可能性（メタヒューリスティックとの比較）は「迅速なプロトタイピングツール」としてです。元々の動機は、専門家ではない専門家がメタヒューリスティックを特定の最適化問題（たとえば、 "Travelling-Salesman（TSP）+時間ウィンドウ+ビン-非常に具体的な問題ドメインの専門知識を必要とせずに」）。これは次の方法で可能になるという考えでした。
- 開業医が潜在的なソリューションを変換するための非常に単純な（事実上、ランダム化された）ヒューリスティックのみを実装できるようにします。たとえば、TSPの場合：より複雑なLin-Kernighanヒューリスティックではなく、（たとえば）2つのランダムな都市を入れ替えます。
- 効果的な結果（これらの単純なヒューリスティックを使用しているにもかかわらず）を、通常は何らかの形の学習メカニズムを採用することによって、インテリジェントな方法で結合/シーケンス化することによって達成します。
ハイパーヒューリスティックは、ヒューリスティックが（それぞれ）シーケンスされているか、結合されているかによって、「選択的」または「生成的」と表現できます。したがって、ジェネレーティブハイパーヒューリスティックは、遺伝的プログラミングなどの方法を使用してプリミティブヒューリスティックを組み合わせることが多いため、通常、特定の問題を解決するために開業医がカスタマイズします。たとえば、生成ハイパーヒューリスティックに関する最初の論文では、学習分類子システムを使用して、ビンパッキングにヒューリスティックを組み合わせました。生成的アプローチは問題固有であるため、以下のコメントはそれらには適用されません。
対照的に、選択的ハイパーヒューリスティックの元の動機は、研究者が単純なランダム化されたヒューリスティックのみを使用して、目に見えない問題領域でうまく機能する可能性が高いハイパーヒューリスティックソルバーを作成できることでした。
これが伝統的に実装されてきた方法は、「ハイパーヒューリスティックドメインバリア」の導入によるものでした（下の図を参照）。これにより、問題のあるドメイン間の一般性は、ソルバーが作動しています。代わりに、利用可能なヒューリスティックのリストへの不透明な整数インデックスのみを操作することで問題を解決します（たとえば、「多腕バンディット問題」の方法で）。
実際には、この「ドメインブラインド」アプローチでは、十分な品質のソリューションは得られていません。問題固有のメタヒューリスティックに匹敵する結果を達成するために、超ヒューリスティック研究者は複雑な問題固有のヒューリスティックを実装する必要があり、それによってラピッドプロトタイピングの目標に失敗しました。
原則として、新しい問題ドメインに一般化できる選択的ハイパーヒューリスティックソルバーを作成することは依然として可能ですが、ドメインバリアの上記の概念は、非常に限られた機能セットしかクロスに使用できないことを意味するため、これはより困難になっています-ドメイン学習（たとえば、人気のある選択的ハイパーヒューリスティックフレームワークによって例示される）。
「ホワイトボックス」ハイパーヒューリスティックスに対するより最近の研究の展望は、問題のあるドメインを説明するための宣言的で機能豊富なアプローチを提唱しています。このアプローチには、主張されている多くの利点があります。
- プラクティショナーは、ヒューリスティックを実装する必要がなくなり、問題領域を特定するだけで済みます。
- これは、ドメインバリアを排除し、ハイパーヒューリスティックを、問題固有のメタヒューリスティックと同じ「通知済み」ステータスに設定します。
- ホワイトボックスの問題の説明により、悪名高い「No Free Lunch」の定理（本質的に、すべてのブラックボックスの問題の空間を考慮すると、無限のアニーリングスケジュールによるシミュレーテッドアニーリングは、平均して他のアプローチと同じである）より長く適用されます。
免責事項：私はこの研究分野で働いているため、答えから個人的な偏見をすべて取り除くことは不可能です。