Sezgisel

Sezgisel (heuristic), polinom-zamanda makul kalitede çözüm üreten ancak optimumluk garantisi sunmayan bir algoritma sınıfıdır. Terimin OR'daki sistematik kullanımı Polya'nın *How to Solve It* (1945) çalışmasının ardından 1960-1970'lerde NP-Zor problemlerin gündeme gelmesiyle yaygınlaşmıştır. Sezgiseller temel olarak ikiye ayrılır: (1) yapıcı sezgiseller (constructive heuristics), boş çözümden başlayıp adım adım yapı kurar — örneğin TSP için Christofides (1976) yaklaşımı, en yakın komşu, Clarke-Wright tasarruf yöntemi, gezgin satıcıda greedy edge ekleme, scheduling'de LPT/SPT öncelik kuralları; (2) iyileştirici sezgiseller (improvement heuristics), mevcut çözümü komşuluk yapısında küçük değişikliklerle iyileştirir — 2-opt, k-opt, Lin-Kernighan (1973) bunun örnekleridir. Sezgisellerin değerlendirilmesi üç eksende yapılır: çözüm kalitesi (alt-sınıra göre boşluk %), çalışma süresi ve uygulama karmaşıklığı. Bazı sezgiseller approximation algoritma sınıfında ispatlanmış sabit performans garantisine sahiptir (ör. metric TSP için Christofides 1.5-yaklaşım); diğerleri yalnızca ampirik olarak iyidir. Pratikte sezgiseller MIP solver'ların warm-start girdisi olarak, primal bound üretici olarak veya doğrudan üretim çözümü olarak kullanılır. Silver, Vidal ve de Werra (1980) ve Reeves (1993) klasik referanslardır. Metasezgiseller (#053) sezgisellerin üst-aile çerçevesidir.