Speicherintensive lokale Suchmethoden

Ich habe lokale Suchalgorithmen wie gieriges Bergsteigen, stochastisches Bergsteigen, simuliertes Tempern usw. untersucht. Ich habe festgestellt, dass die meisten dieser Methoden im Vergleich zu systematischen Suchtechniken nur sehr wenig Speicherplatz beanspruchen.

Gibt es lokale Suchalgorithmen, die Speicher verwenden, um signifikant bessere Antworten zu geben, als Algorithmen, die wenig Speicher verwenden (z. B. das Überschreiten lokaler Maxima)? Gibt es auch eine Möglichkeit, lokale Suche und systematische Suchalgorithmen zu kombinieren, um das Beste aus beiden Welten herauszuholen?

Sie können die Suche parallelisieren, indem Sie den globalen Raum in verschiedene Regionen / Teilmengen aufteilen. Wenden Sie dann in jeder Region eine lokale Suche an. Auf diese Weise können Sie den globalen Raum systematisch, umfassender und möglicherweise auf unterschiedliche Weise durchsuchen (z. B. indem Sie auf jede Region eine andere lokale Suchmethode anwenden). Schließlich können Sie die Ergebnisse vergleichen und das beste auswählen.

Die Tabu-Suche verwendet Speicher, um Teile der Nachbarschaft für die lokale Suche auszuschließen, sodass die Flugbahn normalerweise durch lokale Optima verläuft, anstatt in ihnen stecken zu bleiben.