Управляемый локальный поиск - это метаэвристический метод поиска. Метаэвристический метод - это метод, который находится поверх алгоритма локального поиска для изменения его поведения.
Управляемый локальный поиск накладывает штрафы во время поиска. Он использует штрафы, чтобы помочь алгоритмам локального поиска выйти из локального минимума и плато. Когда данный алгоритм локального поиска достигает локального оптимума, GLS изменяет целевую функцию, используя определенную схему (поясняется ниже). Затем локальный поиск будет работать с использованием расширенной целевой функции, которая предназначена для вывода результатов поиска за пределы локального оптимума. Ключ в том, как модифицируется целевая функция.
Чтобы применить GLS, необходимо определить функции решения для данной проблемы. Функции решения определены для различения решений с разными характеристиками, чтобы можно было распознать области сходства вокруг локальных оптимумов и избежать их. Выбор особенностей решения зависит от типа проблемы, а также в определенной степени от алгоритма локального поиска. Для каждой функции определяется функция стоимости .
Каждый объект также связан со штрафом (изначально установлен на 0) для записи количества вхождений объекта в локальные минимумы..
Характеристики и стоимость часто напрямую зависят от целевой функции. Например, в задаче коммивояжера, «идет ли тур напрямую из города X в город Y», можно определить как функцию. Расстояние между X и Y можно определить как стоимость. В задачах SAT и взвешенных MAX-SAT признаками могут быть «удовлетворяет ли пункт C текущими назначениями».
На уровне реализации мы определяем для каждой функции индикаторную функцию , указывающий, присутствует ли данная функция в текущем решении или нет. равно 1, когда решение имеет свойство , 0 в противном случае.
GLS вычисляет полезность штрафа каждой особенности. Когда алгоритм локального поиска возвращает локальный минимум x, GLS штрафует все те функции (посредством увеличения штрафа функций), присутствующие в этом решении, которые имеют максимальную полезность, , как определено ниже.
Идея заключается в чтобы штрафовать функции, которые имеют высокую стоимость, хотя полезность этого уменьшается, поскольку функция штрафуется все чаще и чаще.
GLS использует расширенную функцию стоимости (определенную ниже), чтобы позволить ему вывести алгоритм локального поиска за пределы локального минимума за счет штрафов за функции, присутствующие в этом местный минимум. Идея состоит в том, чтобы сделать локальный минимум более дорогостоящим, чем окружающее пространство поиска, где эти функции отсутствуют.
Параметр λ может использоваться для изменения интенсивности поиска решений. Более высокое значение λ приведет к более разнообразному поиску, при котором поиск плато и бассейнов будет более грубым; низкое значение приведет к более интенсивному поиску решения, при котором плато и бассейны в поисковом ландшафте просматриваются более детально. Коэффициент используется для уравновешивания штрафной части целевой функции относительно изменений целевой функции и зависит от конкретной задачи. Простая эвристика для установки - просто записать среднее изменение целевой функции до первого локального минимума, а затем установить к этому значению, разделенному на количество функций GLS в экземпляре проблемы.
Миллс (2002) описал расширенный управляемый локальный поиск (EGLS), который использует случайные ходы и критерий стремления, разработанный специально для схем на основе штрафов. Результирующий алгоритм улучшил устойчивость GLS по ряду настроек параметров, особенно в случае задачи квадратичного назначения. Общая версия алгоритма GLS, использующая альпиниста на основе минимальных конфликтов (Минтон и др., 1992) и частично основанная на GENET для удовлетворения ограничений и оптимизации, также была реализована в проекте Computer Aided Constraint Programming.
Alsheddy (2011) расширил управляемый локальный поиск до многоцелевой оптимизации и продемонстрировал его использование для расширения возможностей персонала при составлении расписания.
GLS был построен на GENET, который был разработан Чанг Ван, Эдвард Цанг и Эндрю Дэвенпорт.
Это очень похоже на GENET. Он был разработан для удовлетворения ограничений.
Tabu search - это класс методов поиска, которые могут быть созданы для определенных методов. GLS можно рассматривать как частный случай поиска по табу.
. Установив GLS поверх генетического алгоритма, Тунг-ленг Лау представил алгоритм управляемого генетического программирования (GGA). Он был успешно применен к общей проблеме назначения (в планировании), проблеме конфигурации процессоров (в электронном дизайне) и к набору задач назначения частот радиоканала (абстрактное военное приложение).
Choi et al. использовать GENET как поиск по лагранжеву.