ScholarGate
Assistant
Process / pipelineMetaheuristics

Algorithme mémétique

Un algorithme mémétique (MA) est une métaheuristique basée sur une population qui combine l'exploration globale d'un algorithme évolutionniste avec l'exploitation locale de procédures d'apprentissage individuelles. Introduits par Pablo Moscato en 1989 au Caltech, les MA s'inspirent du concept de mème de Richard Dawkins — une unité de transmission culturelle — pour modéliser l'idée que les solutions peuvent s'améliorer non seulement par croisement et mutation, mais aussi par raffinement individuel au sein de chaque génération.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Moscato, P. (1989). On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Caltech Concurrent Computation Program Report 826. link
  2. 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

Comment citer cette page

ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/fr/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.

Compare side by side
ScholarGateMemetic Algorithm (Memetic Algorithms (Hybrid Evolutionary + Local Search)). Consulté le 2026-06-15 sur https://scholargate.app/fr/optimization/memetic-algorithm · Jeu de données : https://doi.org/10.5281/zenodo.20539026