Memētiskais algoritms
Memētiskais algoritms (MA) ir uz populāciju balstīta metaheuristika, kas apvieno evolūcijas algoritma globālo izpēti ar individuālo mācīšanās procedūru lokālo izmantošanu. Pablo Moscato ieviestie MA, kas aizsākti 1989. gadā Kalifornijas Tehnoloģiju institūtā, balstās uz Ričarda Dawkinsa koncepciju par mēmu – kultūras pārneses vienību – lai modelētu ideju, ka risinājumi var uzlaboties ne tikai krustojuma un mutācijas ceļā, bet arī ar individuālu pilnveidošanu katras paaudzes ietvaros.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/lv/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.
- Ģenētiskais algoritmsOptimizācija↔ compare
- HiperheuristikasOptimizācija↔ compare
- Tabu SearchOptimizācija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →