بهینه‌سازی: تفاوت میان نسخه‌ها

روش‌های تحلیلی بیشتر به دنبال حل دقیق مسائل هستند. از این رو شامل مشتق گیری و یافتن پاسخ بهینه‌اند.<ref name=":1">{{cite journal|last1=Piryonesi|first1=Sayed Madeh|last2=Tavakolan|first2=Mehdi|date=9 January 2017|title=A mathematical programming model for solving cost-safety optimization (CSO) problems in the maintenance of structures|journal=KSCE Journal of Civil Engineering|volume=21|issue=6|pages=2226–2234|doi=10.1007/s12205-017-0531-z}}</ref> فایده اصلی این نوع از الگوریتم‌های بهینه‌سازی تضمین جواب بهینه است، اما استفاده از آنها در مسائل با پیچیدگی بالا یا مسائل بزرگ یا دارای تابع گستتهگسته دشوار است.<ref name=":0">{{یادکرد وب|نویسنده=|کد زبان=|تاریخ=|وبگاه=|نشانی=http://www.nrcresearchpress.com/doi/abs/10.1139/cjce-2017-0670#.XGhXSrhOk2x|عنوان=Piryonesi, S. M., Nasseri, M., & Ramezani, A. (2018). Resource leveling in construction projects with activity splitting and resource constraints: a simulated annealing optimization. Canadian Journal of Civil Engineering, 46(999), 81-86}}</ref>

[[الگوریتم‌های فراابتکاری|روش‌های فراابتکاری]] یا فرااکتشافی برای حل مسائل بزرگتر و با توابع بدرفتار مناسبترندمناسب‌ترند. اگرچه این روش‌ها نمی‌توانند رسیدن به جواب بهینه را تضمین کنند. [[الگوریتم ژنتیک]] و تصعید شبیه‌سازی شده مثال‌هایی از این الگوریتم‌ها هستند.<ref>{{یادکرد کتاب|عنوان=کورش عشقی، مهدی کریمی نسب، بهینه سازی ترکیبی و الگوریتم های فراابتکاری، ١٣٩١، شابک: 978-600-6484-34-1}}</ref><ref name=":0" />