بهینه سازی هیبریدی
تکنیک های بسیاری برای بهینه سازی ترکیبی وجود دارد.تقریبا ما می توانیم طیف امواج در دسترس روش ها را به روش های خاصی تقسیم کنیم که اصولا قابلیت یافتن یک راه حل بهینه واثبات بهینگی را دارند ولی ممکن است نیاز به زمان محاسبه بسیاری داشته باشند ،و روش های ذهنی که شامل الگوریتم های بازگشتی میشود.هر دوی آنها دارای خصوصیات ،سودمندی ها ،بی فایدگی های خاص خود هستند ،ما روی توسعه سیستم های بهینه سازی هیبرید موثرتر با نمایش سودمندی های هر دو طرف کار میکنیم.در بسیاری حوزه های اجرایی ، مانند مسائل طرح شبکه در گراف ها به طور کلی ،برش وبسته بندی ،طراحی ،جدول زمانبندی، ریشه یابی ،چنین هیبرید هایی اغلب راه حل های بهتری در زمان کمتری ارایه می دهند.
در تضاد با ذهنیت های کلاسیک ،ضمانت های کیفیتی یا حتی مدارک بهینگی می توانند گاهی اوقات برای راه حل های به دست آمده تامین شوند.به ویزه ما تکنیک های جستجوی عمومی مانند جستجوی تابو ،تابکاری شبیه شده ،جستجوی اطراف متغیر ،والگوریتم های بازگشتی با تکنیک های تعیین شماره بهتر که برنامه ریزی های خطی مانند الگوریتم های صفحه برش ،شاخه –برش ،شاخه –انعام ،وشاخه –برش-انعام را به کار می برند.در کنار ترکیب روش های دقیق با ذهنیت ها ، ما با بسیاری مسائل به علت ترکیب الگوریتم های بازگشتی ذهنیت های خاص مسئله ، اصلاحات عمومی وتکنیک های تعمیراتی مواجه شده ایم.چنین ترکیباتی اغلب الگوریتم های ممتیک نامیده میشوند