Так, але виключно у безпосередній близькості від екстремуму фітнес-функції.

Так, але у сукупності з другою похідною

Так

Ні

Вибір первинного наближення до точки оптимуму

Надання алгоритму ініціалів

Результат реалізації алгоритму

Такого поняття в алгоритмах пошуку не існує

Значення функції в точці глобального максимуму більше. 

Локальним максимумом зазвичай визначається сідловина функції.

Нічим не різняться. 

Значення функції в точці локального максимуму більше

Сідловина функції й є екстремумом

При переході через точку сідловини змінюється позначка функції.

При переході через точку сідловини позначка першої похідної не змінюється.

Поняття «сідловина функції» не існує. 

Нічим, адже обидва процеси приводять до шуканого оптимуму

Розподіленням сукупності чисел, що «опрацьовуються» на кожній операції, а саме при детермінованому процесі розподілення – рівноймовірне, а при стохастичному – нормальне.

Детермінований процес реалізується за наявністю на будь-якій операції детермінованих чисел, тоді як стохастичний – випадкових чисел

Детермінованими числами

Випадковими числами

Результат алгоритму стохастичного пошуку – детермінований, а стохастичного пошукового алгоритму – випадковий.

Обидва вказані поняття однакові

Сукупність точок в просторі пошуку, якими визначаються можливі рішення виключно генетичного алгоритму

Загальна кількість ітерацій, яка необхідна для досягнення оптимуму

Сукупність точок в просторі пошуку, якими визначаються можливі рішення будь-якого природного алгоритму. 

В завданнях пошукової оптимізації не існує поняття популяції.