什么是启发式算法？
一个基于直观或经验构造的算法，在可接受的花费(指计算时间、占用空问等)下给出待解决优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计 。
启发式算法是一种技术，这种技术使得在可接受的计算费用内去寻找最好的解，但不一定能保证所得解的可行性和最优性，甚至大多数情况下，无法阐述所得解同最优解的近似程度。
超启发式算法（Hyper-Heuristic Algorithm）提供了一种高层次启发式方法，通过管理或操纵一系列低层次启发式算法（Low-Level Heuristics，LLH），以产生新的启发式算法。
超启发式算法vs.传统启发式算法：
如上图给出了超启发式算法的概念模型。该模型分为两个层面：在问题域层面上，应用领域专家根据自己的背景知识，在智能计算专家协助下，提供一系列LLH和问题的定义、评估函数等信息；在高层次启发式方法层面上，智能计算专家设计高效的管理操纵机制，运用问题域所提供的LLH算法库和问题特征信息，构造出新的启发式算法。
