रूपक-आधारित मेटाह्यूरिस्टिक्स की सूची

यह रूपक-आधारित मेटाह्यूरिस्टिक्स और झुंड खुफिया (सवर्म इंटेलिजेंस) एल्गोरिदम की कालानुक्रमिक रूप से क्रमबद्ध सूची है, जो प्रस्ताव के दशक के अनुसार क्रमबद्ध है।

सिम्युलेटेड एनीलिंग (किर्कपैट्रिक एट अल., 1983)
सिम्युलेटेड एनीलिंग एक संभाव्य एल्गोरिथ्म है जो एनीलिंग (सामग्री विज्ञान) से प्रेरित है, जो धातु विज्ञान में एक गर्मी उपचार विधि है। इसका उपयोग प्रायः तब किया जाता है जब खोज स्थान अलग होता है (उदाहरण के लिए, सभी दौरे जो किसी दिए गए शहरों का दौरा करते हैं)। उन समस्याओं के लिए जहां सटीक वैश्विक इष्टतम ढूंढना एक निश्चित समय में स्वीकार्य स्थानीय इष्टतम खोजने से कम महत्वपूर्ण है, ढतला हुआ वंश जैसे विकल्पों के लिए सिम्युलेटेड एनीलिंग बेहतर हो सकता है।

एनीलिंग की धीमी गति से शीतलन का एनालॉग बदतर समाधानों को स्वीकार करने वाले सिम्युलेटेड एनीलिंग की संभावना में धीमी कमी है क्योंकि यह समाधान स्थान की खोज करता है। बदतर समाधानों को स्वीकार करना मेटाह्यूरिस्टिक्स की एक मौलिक संपत्ति है क्योंकि यह इष्टतम समाधान के लिए अधिक व्यापक खोज की अनुमति देता है।

एनट (चींटी) कॉलोनी अनुकूलन (एसीओ) (डोरिगो, 1992)
एनट कॉलोनी अनुकूलन एल्गोरिथ्म कम्प्यूटेशनल समस्याओं को हल करने के लिए एक संभाव्यता तकनीक है जिसे ग्राफ़ (असतत गणित) के माध्यम से अच्छे रास्ते खोजने के लिए कम किया जा सकता है। प्रांरम्भ में मार्को डोरिगो ने 1992 में अपनी पीएचडी थीसिस में प्रस्तावित किया था, पहले एल्गोरिदम का लक्ष्य एक ग्राफ़ में एक इष्टतम पथ की खोज करना था, जो चींटियों के उनके कॉलोनी और भोजन के स्रोत के बीच पथ की तलाश के व्यवहार पर आधारित था। मूल विचार तब से संख्यात्मक समस्याओं के एक व्यापक वर्ग को हल करने के लिए विविध हो गया है, और परिणामस्वरूप, कई समस्याएं चींटियों के व्यवहार के विभिन्न पहलुओं को दर्शाते हुए उभरे हैं। व्यापक दृष्टिकोण से, ACO एक मॉडल-आधारित खोज करता है और वितरण एल्गोरिदम के आकलन के साथ कुछ समानताएं साझा करता है।

कण झुंड अनुकूलन (पीएसओ) (कैनेडी और एबरहार्ट, 1995)
कण झुंडअनुकूलन एक कम्प्यूटेशनल विधि है जो गुणवत्ता के दिए गए माप के संबंध में एक उम्मीदवार समाधान को बेहतर बना ने की कोशिश कर पुनरावृत्त विधि द्वारा एक समस्या का गणितीय अनुकूलन करती है। यह उम्मीदवार समाधानों की आबादी, जिसे बिंदु कण कहा जाता है, और इन कणों को सरल सूत्र के अनुसार अनुकूलन (गणित) अवधारणाओं और नोटेशन में चारों ओर घुमाकर एक समस्या का समाधान करता है। कण की स्थिति (वेक्टर) और वेग पर। प्रत्येक कण की गति उसकी स्थानीय सर्वोत्तम ज्ञात स्थिति से प्रभावित होती है, लेकिन खोज-स्थान में सबसे प्रसिद्ध स्थिति की ओर भी निर्देशित होती है, जिसे अन्य कणों द्वारा बेहतर स्थिति पाए जाने पर अद्यतन किया जाता है। उम्मीद है कि इससे झुंड सर्वोत्तम समाधानों की ओर बढ़ेगा।

पीएसओ का श्रेय मूल रूप से जेम्स कैनेडी (सामाजिक मनोवैज्ञानिक), रसेल सी. एबरहार्ट और शी को दिया जाता है और सबसे पहले कंप्यूटर सिमुलेशन सामाजिक व्यवहार के लिए अभिप्रेत था पक्षी झुंड (व्यवहार) या मछली स्कूल में जीवों की गति के एक शैलीबद्ध प्रतिनिधित्व के रूप में। एल्गोरिदम को सरल बनाया गया था, और यह अनुकूलन करते हुए देखा गया था। कैनेडी और एबरहार्ट की पुस्तक पीएसओ और झुंड खुफिया के कई दार्शनिक पहलुओं का वर्णन करता है। रिकार्डो पोली द्वारा पीएसओ अनुप्रयोगों का एक व्यापक सर्वेक्षण किया गया है।  पीएसओ पर सैद्धांतिक और प्रायोगिक कार्यों पर एक व्यापक समीक्षा बोनाडी और माइकलेविज़ द्वारा प्रकाशित की गई है।

सद्भाव खोज (एचएस) (गीम, किम और लोगनाथन, 2001)
हार्मनी सर्च एक घटना-नकल करने वाली मेटाह्यूरिस्टिक है जिसे 2001 में ज़ोंग वू गीम, जोंग हून किम और जी. वी. लोगनाथन द्वारा पेश किया गया था। और जैज़ संगीतकारों की सुधार प्रक्रिया से प्रेरित है। एचएस एल्गोरिदम में, संभावित समाधानों का एक सेट यादृच्छिक रूप से उत्पन्न होता है (जिसे हार्मनी मेमोरी कहा जाता है)। हार्मनी मेमोरी में सभी समाधानों का उपयोग करके एक नया समाधान तैयार किया जाता है (जीए में उपयोग किए गए केवल दो के बजाय) और यदि यह नया समाधान हार्मनी मेमोरी में सबसे खराब समाधान से बेहतर है, तो सबसे खराब समाधान इस नए समाधान से बदल दिया जाता है। एचएस की प्रभावशीलता और फायदे विभिन्न अनुप्रयोगों में प्रदर्शित किए गए हैं जैसे नगरपालिका जल वितरण नेटवर्क का डिजाइन, संरचनात्मक डिजाइन, इलेक्ट्रिकल इंजीनियरिंग में लोड डिस्पैच समस्या, बहुउद्देश्यीय अनुकूलन, रोस्टरिंग की समस्या, क्लस्टरिंग, और वर्गीकरण और सुविधा चयन। एचएस के अनुप्रयोगों पर एक विस्तृत सर्वेक्षण पाया जा सकता है।  और डेटा माइनिंग में एचएस के अनुप्रयोग यहां पाए जा सकते हैं। डेनिस (2015) ने दावा किया कि सद्भाव खोज इवोल्यूशन रणनीति एल्गोरिदम का एक विशेष मामला है। हालाँकि, साका एट अल। (2016) का तर्क है कि विकास रणनीतियों की संरचना सद्भाव खोज से भिन्न है।

कृत्रिम मधुमक्खी कॉलोनी एल्गोरिथम (काराबोगा, 2005)
कृत्रिम मधुमक्खी कॉलोनी एल्गोरिथ्म 2005 में काराबोगा द्वारा प्रस्तुत एक मेटाह्यूरिस्टिक है जो मधु मक्खियों के भोजन खोजने के व्यवहार का अनुकरण करता है। एबीसी एल्गोरिदम के तीन चरण हैं: नियोजित मधुमक्खी, दर्शक मधुमक्खी और स्काउट मधुमक्खी। नियोजित मधुमक्खी और दर्शक मधुमक्खी चरण में, मधुमक्खियाँ नियोजित मधुमक्खी चरण में नियतात्मक चयन और दर्शक मधुमक्खी चरण में यादृच्छिक चयन के आधार पर चयनित समाधानों के निकट में स्थानीय खोजों द्वारा स्रोतों का दोहन करती हैं। स्काउट मधुमक्खी चरण में, जो मधुमक्खियों द्वारा भोजन खोजने की प्रक्रिया में ख़त्म हो चुके खाद्य स्रोतों को छोड़ने के समान है, ऐसे समाधान जो अब खोज की प्रगति के लिए फायदेमंद नहीं हैं, उन्हें छोड़ दिया जाता है, और खोज स्थान में नए क्षेत्रों का पता लगाने के लिए उनके स्थान पर नए समाधान डाले जाते हैं। एल्गोरिथ्म एक अच्छी तरह से संतुलित है अन्वेषण और शोषण क्षमता।

मधुमक्खी एल्गोरिथ्म (फाम, 2005)
मधुमक्खियों का एल्गोरिथ्म 2005 में फाम और उनके सहकर्मियों द्वारा तैयार किया गया था और 2009 में इसे और अधिक परिष्कृत किया गया। मधु मक्खियों के चारा खोजने के व्यवहार पर आधारित, एल्गोरिदम वैश्विक खोजपूर्ण खोज को स्थानीय शोषणकारी खोज के साथ जोड़ता है। कृत्रिम मधुमक्खियों (स्काउट्स) की एक छोटी संख्या उच्च फिटनेस (अत्यधिक लाभदायक खाद्य स्रोतों) के समाधान के लिए बेतरतीब ढंग से समाधान स्थान (पर्यावरण) की खोज करती है, जबकि आबादी का बड़ा हिस्सा फिटनेस इष्टतम की तलाश में सबसे उपयुक्त समाधानों के निकट की खोज (फसल) करता है। एक नियतात्मक भर्ती प्रक्रिया जो जैविक मधुमक्खियों के वैगल नृत्य का अनुकरण करती है, का उपयोग स्काउट्स के निष्कर्षों को ग्रामीणों तक पहुंचाने और स्थानीय खोज के लिए चुने गए निकट की फिटनेस के आधार पर वनवासियों को वितरित करने के लिए किया जाता है। एक बार जब किसी समाधान के निकट में खोज रुक जाती है, तो स्थानीय फिटनेस इष्टतम माना जाता है, और साइट को छोड़ दिया जाता है।

साम्राज्यवादी प्रतिस्पर्धी एल्गोरिथ्म (अताशपाज़-गार्गारी और लुकास, 2007)
साम्राज्यवादी प्रतिस्पर्धी एल्गोरिदम (आईसीए), विकासवादी गणना के क्षेत्र में अधिकांश तरीकों की तरह, इसकी अनुकूलन प्रक्रिया में फ़ंक्शन के ग्रेडिएंट की आवश्यकता नहीं होती है। एक विशिष्ट दृष्टिकोण से, आईसीए को आनुवंशिक एल्गोरिदम (जीए) के सामाजिक समकक्ष के रूप में सोचा जा सकता है। आईसीए गणितीय मॉडल और मानव सामाजिक-सांस्कृतिक विकास का कंप्यूटर सिमुलेशन है, जबकि जीए प्रजातियों के जैविक विकास पर आधारित है।

यह एल्गोरिदम अनुकूलन समस्या के खोज स्थान में यादृच्छिक उम्मीदवार समाधानों का एक सेट तैयार करके प्रांरम्भ होता है। उत्पन्न यादृच्छिक बिंदुओं को प्रारंभिक देश कहा जाता है। इस एल्गोरिदम में देश जीए में क्रोमोसोम और कण झुंड अनुकूलन में कणों के समकक्ष हैं और यह अनुकूलन समस्या के उम्मीदवार समाधान के मूल्यों की एक श्रृंखला है। अनुकूलन समस्या का हानि फ़ंक्शन प्रत्येक देश की शक्ति निर्धारित करता है। अपनी शक्ति के आधार पर, कुछ सर्वोत्तम प्रारंभिक देश (न्यूनतम लागत फ़ंक्शन मूल्य वाले देश), साम्राज्यवादी बन जाते हैं और अन्य देशों (जिन्हें उपनिवेश कहा जाता है) पर नियंत्रण करना प्रांरम्भ कर देते हैं और प्रारंभिक साम्राज्य बनाते हैं।

इस एल्गोरिथम के दो मुख्य संचालक एसिमिलेशन और रिवोल्यूशन हैं। आत्मसातीकरण प्रत्येक साम्राज्य के उपनिवेशों को सामाजिक-राजनीतिक विशेषताओं (अनुकूलन खोज स्थान) के क्षेत्र में साम्राज्यवादी राज्य के करीब लाता है। क्रांति खोज क्षेत्र में कुछ देशों की स्थिति में अचानक यादृच्छिक परिवर्तन लाती है। आत्मसातीकरण और क्रांति के दौरान, एक उपनिवेश बेहतर स्थिति में पहुंच सकता है और फिर उसके पास पूरे साम्राज्य का नियंत्रण लेने और साम्राज्य की वर्तमान साम्राज्यवादी स्थिति को बदलने का मौका हो सकता है।

साम्राज्यवादी प्रतिस्पर्धा इस एल्गोरिथम का एक और हिस्सा है। सभी साम्राज्य इस खेल को जीतकर दूसरे साम्राज्यों के उपनिवेशों पर कब्ज़ा करने की कोशिश करते हैं। एल्गोरिथम के प्रत्येक चरण में, अपनी शक्ति के आधार पर, सभी साम्राज्यों के पास सबसे कमजोर साम्राज्य के एक या अधिक उपनिवेशों पर नियंत्रण लेने का मौका होता है।

एल्गोरिथम उल्लिखित चरणों (आत्मसातीकरण, क्रांति, प्रतिस्पर्धा) के साथ तब तक जारी रहता है जब तक कि स्टॉप की स्थिति पूरी नहीं हो जाती।

उपरोक्त चरणों को नीचे दिए गए छद्मकोड के रूप में संक्षेपित किया जा सकता है: 0) उद्देश्य फलन को परिभाषित करें: $$f(\mathbf{x}), \quad \mathbf{x}=(x_1,x_2,\dots,x_d); \, $$ 1) एल्गोरिथम का आरंभीकरण। खोज स्थान में कुछ यादृच्छिक समाधान उत्पन्न करें और प्रारंभिक साम्राज्य बनाएं। 2) आत्मसातीकरण: उपनिवेश अलग-अलग दिशाओं में साम्राज्यवादी राज्यों की ओर बढ़ते हैं।    3) क्रांति: कुछ देशों की विशेषताओं में यादृच्छिक परिवर्तन होते रहते हैं। 4) एक उपनिवेश और साम्राज्यवादी के बीच स्थिति का आदान-प्रदान। साम्राज्यवादियों से बेहतर स्थिति वाला उपनिवेश,       उपस्थिता साम्राज्यवादियों को हटाकर साम्राज्य का नियंत्रण अपने हाथ में लेने का मौका है।     5) साम्राज्यवादी प्रतिस्पर्धा: सभी साम्राज्यवादी एक-दूसरे के उपनिवेशों पर कब्ज़ा करने के लिए प्रतिस्पर्धा करते हैं। 6) शक्तिहीन साम्राज्यों को ख़त्म करो। कमजोर साम्राज्य धीरे-धीरे अपनी शक्ति खो देते हैं और अंततः उनका सफाया हो जाता है।    7) यदि रुकने की शर्त पूरी हो तो रुकें, नहीं तो 2 पर जाएँ। 8)समाप्ति

नदी निर्माण की गतिशीलता (रबनाल, रोड्रिग्ज और रुबियो, 2007)
नदी निर्माण की गतिशीलता इस बात पर आधारित है कि कैसे पानी जमीन को नष्ट करके और तलछट जमा करके नदियों का निर्माण करता है (बूंदें झुंड के रूप में कार्य करती हैं)। बूँदें स्थानों की ऊंचाई बढ़ाकर/घटाकर परिदृश्य को बदलने के बाद, ऊंचाई घटाने के पथों के रूप में समाधान दिए जाते हैं। घटते ग्रेडिएंट्स का निर्माण किया जाता है, और इन ग्रेडिएंट्स के बाद नए ग्रेडिएंट्स की रचना की जाती है और सर्वोत्तम ग्रेडिएंट्स को सुदृढ़ किया जाता है। यह अनुमानी अनुकूलन विधि 2007 में रबनल एट अल द्वारा प्रस्तावित की गई थी। अन्य एनपी-पूर्ण समस्याओं के लिए आरएफडी की प्रयोज्यता का अध्ययन किया गया है, और एल्गोरिदम को रूटिंग जैसे फ़ील्ड पर लागू किया गया है और रोबोट नेविगेशन। आरएफडी के मुख्य अनुप्रयोग रबनल एट अल सर्वेक्षण में पाए जा सकते हैं। (2017)।

गुरुत्वाकर्षण खोज एल्गोरिदम (रशेदी, नेज़ामाबादी-पौर और सरयाज़दी, 2009)
गुरुत्वाकर्षण खोज एल्गोरिदम गुरुत्वाकर्षण के नियम और सामूहिक अंतःक्रिया की धारणा पर आधारित है। जीएसए एल्गोरिदम न्यूटोनियन भौतिकी के सिद्धांत का उपयोग करता है और इसके खोजकर्ता एजेंट (कृत्रिम बुद्धिमत्ता) द्रव्यमान का संग्रह है। जीएसए में, द्रव्यमान की एक पृथक प्रणाली होती है। गुरुत्वाकर्षण बल का उपयोग करके, सिस्टम में प्रत्येक द्रव्यमान अन्य द्रव्यमान की दूरी पर कार्रवाई कर सकता है। इसलिए गुरुत्वाकर्षण बल विभिन्न द्रव्यमानों के बीच सूचना स्थानांतरित करने का एक तरीका है। जीएसए में, एजेंटों को वस्तु माना जाता है और उनके प्रदर्शन को उनके द्रव्यमान द्वारा मापा जाता है। ये सभी वस्तुएँ गुरुत्वाकर्षण बल द्वारा एक-दूसरे को आकर्षित करती हैं, और यह बल सभी वस्तुओं को भारी द्रव्यमान वाली वस्तुओं की ओर गति का कारण बनता है। भारी जनसमूह समस्या के बेहतर समाधान के अनुरूप है। एजेंट की स्थिति (वेक्टर) समस्या के समाधान से मेल खाती है, और इसका द्रव्यमान एक फिटनेस फ़ंक्शन का उपयोग करके निर्धारित किया जाता है। समय बीतने पर, जनता सबसे भारी द्रव्यमान से आकर्षित होती है, जो आदर्श रूप से खोज स्थान में एक इष्टतम समाधान प्रस्तुत करेगी। जीएसए को गुरुत्वाकर्षण और गति के न्यूटोनियन नियमों का पालन करने वाले द्रव्यमान की एक छोटी कृत्रिम दुनिया के रूप में माना जा सकता है। जीएसए का एक बहुउद्देश्यीय संस्करण, जिसे एमओजीएसए कहा जाता है, हसनज़ादेह एट अल द्वारा प्रस्तावित किया गया था। 2010 में।

बैट एल्गोरिथ्म (यांग, 2010)
बैट एल्गोरिदम एक स्वार्म-इंटेलिजेंस-आधारित एल्गोरिदम है, जो माइक्रोबैट के पशु इकोलोकेशन व्यवहार से प्रेरित है। बीए स्वचालित रूप से बहु-आयामी खोज स्थान में नकली चमगादड़ों की ध्वनि और नाड़ी उत्सर्जन दर को नियंत्रित करके अन्वेषण (एक स्थानीय अधिकतम के आसपास फंसने से बचने के लिए वैश्विक खोज स्थान के चारों ओर लंबी दूरी की छलांग) को शोषण के साथ संतुलित करता है (स्थानीय अधिकतम को खोजने के लिए ज्ञात अच्छे समाधानों के आसपास अधिक विस्तार से खोज करता है)।

सर्पिल अनुकूलन (एसपीओ) एल्गोरिथ्म (तमुरा और यासुदा 2011, 2016-2017)
सर्पिल अनुकूलन एल्गोरिथ्म, प्रकृति में सर्पिल घटना से प्रेरित, एक मल्टीपॉइंट खोज एल्गोरिदम है जिसमें कोई उद्देश्य फ़ंक्शन ग्रेडिएंट नहीं है। यह कई सर्पिल मॉडलों का उपयोग करता है जिन्हें नियतात्मक गतिशील प्रणालियों के रूप में वर्णित किया जा सकता है। चूँकि खोज बिंदु सामान्य केंद्र की ओर लघुगणकीय सर्पिल प्रक्षेपवक्र का अनुसरण करते हैं, जिसे वर्तमान सर्वोत्तम बिंदु के रूप में परिभाषित किया गया है, बेहतर समाधान पाए जा सकते हैं, और सामान्य केंद्र को अद्यतन किया जा सकता है।

कृत्रिम झुंड बुद्धि (रोसेनबर्ग, 2014)
कृत्रिम झुंड बुद्धिमत्ता इंटरनेट पर जुड़े मानव उपयोगकर्ताओं की एक वास्तविक समय की सवृत-लूप प्रणाली है और इसे प्राकृतिक झुंडों के आधार पर तैयार किए गए ढांचे में संरचित किया गया है, ताकि यह समूह के सामूहिक ज्ञान को एक एकीकृत उभरती हुई बुद्धिमत्ता के रूप में उजागर कर सके। इस तरह, मानव झुंड सवालों के जवाब दे सकते हैं, भविष्यवाणियां कर सकते हैं, निर्णय ले सकते हैं और सामूहिक रूप से विकल्पों के विविध सेट की खोज करके और समकालिक रूप से पसंदीदा समाधानों पर जुटकर समस्याओं का समाधान कर सकते हैं। 2014 में डॉ. लुईस रोसेनबर्ग द्वारा आविष्कार की गई, एएसआई पद्धति को सटीक सामूहिक भविष्यवाणियां करने की क्षमता के लिए जाना जाता है जो झुंड के व्यक्तिगत सदस्यों से बेहतर प्रदर्शन करती है। 2016 में, सर्वसम्मत ए.आई. का एक कृत्रिम झुंड इंटेलिजेंस समूह। केंटकी डर्बी के विजेताओं की भविष्यवाणी करने के लिए एक रिपोर्टर द्वारा चुनौती दी गई थी; इसने 540 से 1 के अंतर को पछाड़ते हुए पहले चार घोड़ों को सफलतापूर्वक चुना।

रूपक पद्धति की आलोचना
जबकि व्यक्तिगत रूपक-प्रेरित मेटाह्यूरिस्टिक्स ने विशिष्ट समस्याओं के लिए उल्लेखनीय रूप से प्रभावी समाधान तैयार किए हैं, सामान्यतःरूपक-प्रेरित मेटाह्यूरिस्टिक्स ने विस्तृत रूपकों के पीछे प्रभावशीलता या नवीनता की कमी को छिपाने के लिए शोधकर्ताओं के बीच आलोचना को आकर्षित किया है। केनेथ सोरेनसेन ने कहा:

हाल के वर्षों में, संयुक्त अनुकूलन के क्षेत्र में  नवीन  मेटाह्यूरिस्टिक तरीकों की एक वास्तविक सुनामी देखी गई है, उनमें से अधिकांश कुछ प्राकृतिक या मानव निर्मित प्रक्रिया के रूपक पर आधारित हैं। वस्तुतः कीड़ों की किसी भी प्रजाति का व्यवहार, पानी का प्रवाह, संगीतकारों का एक साथ बजाना - ऐसा लगता है कि एक और मेटाह्यूरिस्टिक लॉन्च करने के लिए प्रेरणा के रूप में काम करने के लिए कोई भी विचार बहुत दूर की कौड़ी नहीं है। [मैं] तर्क दूंगा कि अनुसंधान की यह दिशा मेटाह्यूरिस्टिक्स के क्षेत्र को वैज्ञानिक कठोरता से दूर ले जाने की धमकी दे रही है।

सोरेनसेन और फ्रेड डब्ल्यू. ग्लोवर ने कहा:

प्रकाशनों की एक बड़ी (और बढ़ती हुई) संख्या रूपकों पर आधारित (कथित तौर पर) नए मेटाह्यूरिस्टिक ढांचे के विकास पर केंद्रित है। प्राकृतिक या मानव निर्मित प्रक्रियाओं की सूची, जिनका उपयोग मेटाह्यूरिस्टिक ढांचे के आधार के रूप में किया गया है, में अब बैक्टीरिया फोर्जिंग, #नदी निर्माण गतिशीलता, बायोग्राफी, संगीतकारों का एक साथ खेलना, विद्युत चुंबकत्व, #गुरुत्वाकर्षण खोज एल्गोरिदम, साम्राज्यवादी प्रतिस्पर्धी एल्गोरिदम, खदान विस्फोट, लीग चैंपियनशिप, बादल इत्यादि जैसी विविध प्रक्रियाएं सम्मिलित हैं। जानवरों के व्यवहार पर आधारित मेटाह्यूरिस्टिक्स में एक महत्वपूर्ण उपश्रेणी पाई जाती है। एनट कॉलोनी अनुकूलन एल्गोरिदम, मधुमक्खियां, चमगादड़ एल्गोरिदम, भेड़िये, बिल्लियां, जुगनू एल्गोरिदम, ईगल, डॉल्फ़िन, शफ़ल्ड मेंढक छलांग एल्गोरिदम, सैल्मन, गिद्ध, दीमक, मक्खियाँ, और कई अन्य, सभी का उपयोग एक उपन्यास मेटाह्यूरिस्टिक को प्रेरित करने के लिए किया गया है। [...] एक सामान्य नियम के रूप में, रूपक-आधारित मेटाह्यूरिस्टिक्स पर पत्रों का प्रकाशन द्वितीय स्तर की पत्रिकाओं और सम्मेलनों तक ही सीमित है, लेकिन इस नियम के कुछ हालिया अपवाद पाए जा सकते हैं। सोरेनसेन (2013) का कहना है कि इस दिशा में अनुसंधान मौलिक रूप से त्रुटिपूर्ण है। सबसे महत्वपूर्ण बात यह है कि लेखक का तर्क है कि अंतर्निहित रूपक की नवीनता परिणामी रूपरेखा उपन्यास को स्वचालित रूप से प्रस्तुत नहीं करती है। इसके विपरीत, इस बात के प्रमाण बढ़ते जा रहे हैं कि रूपक-आधारित पद्धतियों में से बहुत कम ही किसी दिलचस्प अर्थ में नई हैं।

जवाब में, स्प्रिंग साइंस+बिजनेस मीडिया के जर्नल ऑफ ह्यूरिस्टिक्स ने अपनी संपादकीय नीति को अद्यतन करते हुए कहा है:

नए प्रतिमानों का प्रस्ताव केवल तभी स्वीकार्य है जब उनमें नवीन बुनियादी विचार सम्मिलित हों, जैसे कि वे जो आनुवंशिक एल्गोरिदम, टैबू खोज और तैयार किए हुयी धातु पे पानी चढाने की कला जैसे शास्त्रीय ढांचे में अंतर्निहित हैं। जर्नल ऑफ़ ह्यूरिस्टिक्स उन लेखों के प्रकाशन से बचता है जो पुराने विचारों को उन तरीकों में पुन: पैकेज और एम्बेड करते हैं जिनके बारे में दावा किया जाता है कि वे प्राकृतिक या मानव निर्मित प्रणालियों और प्रक्रियाओं के रूपकों पर आधारित हैं। ये तथाकथित नवीन विधियां उन उपमाओं का उपयोग करती हैं जो इंटेलिजेंट वॉटर ड्रॉप्स एल्गोरिदम, जैज़ बजाने वाले संगीतकारों, साम्राज्यवादी प्रतिस्पर्धी एल्गोरिदम, शफ़ल्ड मेंढक छलांग एल्गोरिदम, कंगारू, सभी प्रकार के झुंड और कीड़े और यहां तक ​​​​कि खदान विस्फोट प्रक्रियाओं (सोरेन्सन, 2013) से लेकर होती हैं। यदि कोई शोधकर्ता किसी नई विधि के बारे में अपने विचारों को उत्तेजित करने के लिए रूपक का उपयोग करता है, तो विधि को रूपक-मुक्त भाषा में अनुवादित किया जाना चाहिए, ताकि नियोजित रणनीतियों को स्पष्ट रूप से समझा जा सके, और उनकी नवीनता स्पष्ट रूप से दिखाई दे सके। (नीचे आइटम 2 और 3 देखें।) रूपक सस्ते और आसानी से उपलब्ध हैं। विंडो ड्रेस के लिए उनका उपयोग एक विधि स्वीकार्य नहीं है।

[...] कार्यान्वयन को मानक अनुकूलन शब्दावली का उपयोग करके समझाया जाना चाहिए, जहां समाधान को समाधान कहा जाता है, न कि किसी अस्पष्ट रूपक से संबंधित कुछ और (उदाहरण के लिए, सद्भाव, जुगनू एल्गोरिथ्म, बैट एल्गोरिदम, साम्राज्यवादी प्रतिस्पर्धी एल्गोरिदम, आदि)।

[...] द जर्नल ऑफ ह्यूरिस्टिक्स सोरेनसेन के इस विचार का पूरी तरह से समर्थन करता है कि रूपक-आधारित "नवीन" तरीकों को प्रकाशित नहीं किया जाना चाहिए यदि वे अपने क्षेत्र में योगदान प्रदर्शित नहीं कर सकते हैं। उपस्थित अवधारणाओं का नाम बदलना योगदान के रूप में नहीं गिना जाता है। भले ही इन तरीकों को प्रायः "नवीन" कहा जाता है, कई पहले से उपस्थित पद्धति के कभी-कभी सीमांत संस्करण को छोड़कर, कोई नया विचार प्रस्तुत नहीं करते हैं। इन तरीकों को वास्तव में नवोन्वेषी विचारों का जर्नल स्थान नहीं लेना चाहिए शोधप से कठिन है।

स्प्रिंगर साइंस+बिजनेस मीडिया के जर्नल 4OR - संचालन अनुसंधान का एक त्रैमासिक जर्नल की नीति कहती है:

विशेष रूप से, वैज्ञानिक कठोरता और नवाचार पर जोर देने का तात्पर्य यह है कि पत्रिका उन लेखों को प्रकाशित नहीं करती है जो पर्याप्त सत्यापन के बिना ज्ञात तरीकों के प्रच्छन्न वेरिएंट का प्रस्ताव करते हैं (उदाहरण के लिए, मेटाह्यूरिस्टिक्स जो प्राकृतिक या कृत्रिम प्रणालियों और प्रक्रियाओं के साथ रूपक तुलना के एकमात्र आधार पर प्रभावी होने का दावा किया जाता है)। नई विधियों को प्राचीन प्रतिमानों के साथ संबंध स्थापित करके रूपक-मुक्त भाषा में प्रस्तुत किया जाना चाहिए। उनके गुणों को वैज्ञानिक रूप से सम्मोहक तर्कों के आधार पर स्थापित किया जाना चाहिए: गणितीय प्रमाण, नियंत्रित प्रयोग, वस्तुनिष्ठ तुलना, आदि है।

यह भी देखें

 * वैचारिक रूपक
 * वैज्ञानिक समुदाय रूपक

बाहरी संबंध

 * Evolutionary Computation Bestiary – a tongue-in-cheek account of all the weird metaphor-based metaheuristics out there in the wide world of academic publishing
 * The Science Matrix's List of Metaheuristic – a complete list of metaheuristic algorithms filterable by name, author or year, providing a link to main publication of each algorithm