هيوريستيك‌ها
به عنوان مثالي ديگر از استفاده هيوريستيك‌ها، يك استاد بزرگ شطرنج را در نظر بگيريد كه با انتخاب بين چندين حركت ممكن روبرو شده است. وي ممكن است تصميم بگيرد كه يك حركت خاص، اثربخش‌ترين حركت خواهد بود زيرا موقعيتي فراهم مي‌آورد كه «به نظر مي‌رسد» بهتر از موقعيت‌هاي حاصل از حركت‌هاي ديگر باشد. به كارگيري معيار «به نظر مي‌رسد» خيلي ساده‌تر از تعيين دقيق حركت يا حركاتي خواهد بود كه حريف را مجبور به مات كند. اين واقعيت كه اساتيد بزرگ شطرنج همواره پيروز بازي نخواهند بود نشان دهنده اين است كه هيوريستيك‌هاي آنها انتخاب اثربخش‌ترين حركت را تضمين نمي‌كنند. نهايتاً وقتي از آنها خواسته مي‌شود كه هيوريستيك خود را تشريح نمايند آنها فقط توصيفي ناقص از قواعدي ارائه مي‌دهند و به نظر خود آنها، انجام آن قواعد از توصيف آنان ساده‌تر است.
خاصيت هيوريستيك‌هاي خوب اين است كه ابزار ساده‌اي براي تشخيص خط‌مشي‌هاي بهتر ارائه دهند و در حالي كه به صورت شرطي لازم، تشخيص خط‌مشي‌هاي اثربخش را تضمين نمي‌كنند اما اغلب به صورت شرط كافي اين تضمين را فراهم آورند. بيشتر مسائل پيچيده نيازمند ارزيابي تعداد انبوهي از حالت‌هاي ممكن براي تعيين يك جواب دقيق مي‌باشند. زمان لازم براي يافتن يك جواب دقيق اغلب بيشتر از يك طول عمر است. هيوريستيك‌ها با استفاده از روشهاي نيازمند ارزيابي‌هاي كمتر و ارائه جوابهايي در محدوديت‌هاي زماني قابل قبول داراي نقشي اثربخش در حل چنين مسائل خواهند بود (پيرل4 1984، 1-10).
انواع الگوريتم‌هاي هيوريستيك
در حالت كلي سه دسته از الگوريتم‌هاي هيوريستيك قابل تشخيص است:
(1)الگوريتم‌هايي كه بر ويژگي‌هاي ساختاري مسئله و ساختار جواب متمركز مي‌شوند و با استفاده از آنها الگوريتم‌هاي سازنده يا جستجوي محلي تعريف مي‌كنند.
(2)الگوريتم‌هايي كه بر هدايت هيوريستيك يك الگوريتم سازنده يا جستجوي محلي متمركز مي‌شوند به گونه‌اي كه آن الگوريتم بتواند بر شرايط حساس (مانند فرار از بهينه محلي) غلبه كند. به اين الگوريتم‌ها، متاهيوريستيك گفته مي‌شود.
(3)الگوريتم‌هايي كه بر تركيب يك چارچوب يا مفهوم هيوريستيك با گونه‌هايي از برنامه‌ريزي رياضي (معمولاً روشهاي دقيق) متمركز مي‌شوند.
هيوريستيك‌هاي نوع اول مي‌توانند خيلي خوب عمل كنند (گاهي اوقات تا حد بهينگي) اما مي‌توانند در جواب‌هاي داراي كيفيت پايين گير كنند. همان طور كه اشاره شد يكي از مشكلات مهم اين الگوريتم‌ها با آن روبرو مي‌شوند افتادن در بهينه‌هاي محلي است بدون اينكه هيچ شانسي براي فرار از آنها داشته باشند. براي بهبود اين الگوريتم‌ها از اواسط دهه هفتاد، موج تازه‌اي از رويكردها آغاز گرديد. اين رويكردها شامل الگوريتم‌هايي است كه صريحاً يا به صورت ضمني تقابل بين ايجاد تنوع جستجو (وقتي علائمي وجود دارد كه جستجو به سمت مناطق بد فضاي جستجو مي‌رود) و تشديد جستجو (با اين هدف كه بهترين جواب در منطقه مورد بررسي را پيدا كند) را مديريت مي‌كنند.