다형 메타휴리스틱 프레임워크(PMF)는 고정된 구조와 광범위한 튜닝 필요성으로 인해 효율성이 제한되는 기존 메타휴리스틱 알고리즘의 문제점을 해결하기 위해 제안되었다. PMF는 실시간 성능 피드백과 동적 알고리즘 선택에 기반한 자기 적응형 메타휴리스틱 전환 메커니즘을 도입한다. 다형 메타휴리스틱 에이전트(PMA)와 다형 메타휴리스틱 선택 에이전트(PMSA)를 활용하여 주요 성능 지표에 따라 메타휴리스틱 알고리즘을 동적으로 선택하고 전환하여 지속적인 적응을 보장한다. 이를 통해 수렴 속도, 적응성, 해의 질을 향상시키며, 고차원, 동적, 다봉 환경에서 기존 메타휴리스틱 알고리즘보다 우수한 성능을 보인다. 벤치마크 함수에 대한 실험 결과는 PMF가 정체를 완화하고 다양한 문제 환경에서 탐색-활용 전략의 균형을 맞춤으로써 최적화 효율성을 크게 향상시킨다는 것을 보여준다. AI 기반 의사결정 및 자기 수정 메커니즘을 통합하여 PMF는 확장 가능하고 지능적이며 자율적인 최적화 프레임워크를 위한 길을 열어주며, 엔지니어링, 물류 및 복잡한 의사결정 시스템에 유망한 응용 가능성을 제공한다.
