1990’lı yıllara kadar sayıları 10’u bulmayan meta-sezgisel arama algoritmaları üzerine yapılan çalışmaların sayısında son yıllarda büyük bir artış olmuştur. Sadece 2018 yılı içerisinde literatüre kazandırılan meta-sezgisel arama algoritması sayısı 50’den fazladır. Binlerce probleme tatbik edilen bu algoritmaların sayısında yaşanan bu hızlı artış bazı problemleri de beraberinde getirmektedir. Bu problemlerin başında algoritmaların arama performanslarının ve literatürdeki yerlerinin doğru bir şekilde belirlenememesinden kaynaklanan durumlar gelmektedir. Meta-sezgisel arama (MSA) algoritmalarının deneysel çalışmalarının yürütülmesinde benimsenen standart dışı ve keyfi tercihler bu algoritmaların performanslarına ilişkin sunulan bilgilerin çoğu zaman hatalı hatta yanıltıcı olmasına yol açmaktadır. Şöyle ki deneysel çalışma şartları aynı olmayan iki farklı çalışmada test problemleri tüm özellikleriyle aynı olsa bile birbirlerine kıyasla gerçekte başarısız bir algoritmayı daha başarılı gösterecek şekilde sunmak mümkündür. Bunun için en çok takip edilen yol, algoritmalar arası performans karşılaştırmasını “en başarılı çözüm adaylarının ortalama uygunluk değerleri” üzerinden yapmaktır. Bir başka yol, problemin genel çözümüne ait uygunluk değeri olarak bir eşik değer tanımlayıp bu eşik değere ulaşıldığında arama sürecini durdurmaktır. Bunun dışında arama süreci sonlandırma kriteri olarak “uygunluk fonksiyonunu azami çağırma sayısı” yerine doğrudan MSA algoritmasının yaşam döngüsünü referans alan iterasyon sayısını tanımlayıp algoritmalar arasında eşit olmayan durumlar yaratılabilmekte ve algoritmaların gerçek performanslarının ortaya çıkması engellenebilmektedir. Algoritmalar arasında yapılan karşılaştırmalarda sıklıkla yapılan bir başka standart dışı ve hatalı durum da azami iterasyon sayısını ya da “uygunluk fonksiyonu azami işletme sayısını” belirlerken algoritmaların arama performanslarının ortaya çıkmasına fırsat tanımamaktır. Literatürde yer alan güncel ve güçlü algoritmalar yerine birbirinden türemiş benzer ve düşük performanstaki algoritmalarla karşılaştırma yapmak gibi yanıltıcı sonuçlara yol açan uygulamalara başvurulduğu da sıklıkla görülmektedir. Bu çalışmanın amacı, meta-sezgisel algoritmaların arama performanslarının ve literatürdeki yerlerinin objektif ve etkili bir şekilde ortaya çıkarılması için çözüm önerileri sunmaktır. Bu amaçla hatalı ve yanıltıcı bilgilere yol açan durumlara ilişkin detaylı bir araştırma yapılmış ve bu durumları ortadan kaldıracak standartlar tanımlanmıştır.