元启发式算法的应用、分类与挑战：一篇重读 162 种算法的系统整理

说明：本文主要基于 Shaikh 等人在 Artificial Intelligence Review 期刊 2025 年发表的开放获取综述《Applications, classifications, and challenges: a comprehensive evaluation of recently developed metaheuristics for search and analysis》。

---

1 引言：为什么要再谈一次“元启发式算法”

元启发式算法已经不算“新鲜词”了。从 20 世纪末的遗传算法（GA）、粒子群（PSO）、蚁群（ACO）、模拟退火（SA），一路发展到今天各种“动物园”“游戏园”“人类行为模仿”的优化算法，任何做智能优化、智能设计、神经网络超参搜索、组合优化的人，几乎都绕不开这条路。

然而，算法越多，选择越难。Shaikh 等人的这篇综述做的事情其实非常“朴素”：他们把 2000–2024 年间出现的 162 种元启发式算法，按多个维度放在一个统一框架下，做了系统的分类和对比，包括：灵感来源、候选解运动方式、控制参数数量、搜索空间类型、探索–开发（exploration–exploitation）平衡、基准测试表现以及 24 种高被引算法的时间复杂度等。

更重要的是，文章并不只是“堆算法名录”，而是试图用这些维度去回答几个核心问题：

<