Memetisk Algoritme
En memetisk algoritme (MA) er en populationsbaseret metaheuristik, der kombinerer den globale udforskning af en evolutionær algoritme med den lokale udnyttelse af individuelle læringsprocedurer. Introduceret af Pablo Moscato i 1989 på Caltech, trækker MA'er på Richard Dawkins' koncept om memet — en enhed for kulturel transmission — for at modellere ideen om, at løsninger kan forbedres ikke kun gennem crossover og mutation, men også gennem individuel forfining inden for hver generation.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Moscato, P. (1989). On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Caltech Concurrent Computation Program Report 826. link ↗
- Neri, F., & Cotta, C. (2012). Memetic algorithms and memetic computing optimization: A literature review. Swarm and Evolutionary Computation, 2, 1–14. DOI: 10.1016/j.swevo.2011.11.003 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/da/optimization/memetic-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Genetisk AlgoritmeOptimering↔ compare
- Hyper-heuristikkerOptimering↔ compare
- Tabu SearchOptimering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →