나는 약간의 용어를 혼동하고 있다고 생각합니다. 이들은 모두 다른 최적화 기법입니다. MIP (Mixed Integer Programming) 표기법을 사용하여 문제를 분명히 나타낼 수 있지만 MIP 해석기 또는 GA (Generic Algorithm) 또는 PSO (Particle Swarm Optimization)로 해결할 수 있습니다.
정수 프로그래밍은 수학 프로그래밍이라는 전통적인 패러다임의 일부로, 다소 어려운 방정식 세트를 기반으로 문제를 모델링합니다. 선형 프로그래밍 (모든 변수가 연속적 임), 정수 프로그래밍, 혼합 정수 프로그래밍 (연속 및 이산 변수의 혼합), 비선형 프로그래밍 (일부 방정식은 선형이 아님)과 같은 여러 유형의 수학 프로그래밍 모델이 있습니다.
수학적 프로그래밍 모델은 모델에 따라 훌륭하고 견고하며, 이상적인 솔루션에서 얼마나 멀리 떨어져 있는지 말할 수 있습니다. 그러나이 모델들은 종종 많은 변수들로 인해 어려움을 겪습니다.
반면에 유전자 알고리즘과 PSO는 젊은 기술 분야에 속하며 메타 기술이라고도합니다. 이러한 기술은 종종 크고 복잡한 문제, 많은 실제 응용 프로그램에도 좋은 또는 적어도 합리적인 솔루션을 찾습니다.
수학적 모델과 메타 이론을 결합한 일부 하이브리드 알고리즘이 있으며이 경우 MIP와 GA를 모두 사용합니다./PSO. 어떤 접근 방식 (MIP, 메타 인공 지능 또는 하이브리드)이 매우 문제에 의존 하는지를 선택하면 더 잘 작동하는 것이 무엇인지 테스트해야합니다. 나는 객관적인 기능이 매우 복잡하고 신속하지만 빈약 한 해결책이 필요한 경우 초점을 솔루션의 정확성에두고 수학적 모델을 선호합니다. 나는 메타 이론을 선호합니다.
Michalewicz와 Fogel이 작성한 "How to Solve It : Modern Hueristics"는 좋은 (비록 다소 날짜가 있지만) 개요입니다. IP와 휴리스틱 방법 (후자에 중점을 두어 설명)을 설명합니다. –