Memetisk algoritme
En memetisk algoritme (MA) er en populasjonsbasert metaheuristikk som kombinerer den globale utforskningen til en evolusjonær algoritme med den lokale utnyttelsen av individuelle læringsprosedyrer. MA-er, introdusert av Pablo Moscato i 1989 ved Caltech, henter inspirasjon fra Richard Dawkins' konsept om memet — en enhet for kulturell overføring — for å modellere ideen om at løsninger kan forbedres ikke bare gjennom krysning og mutasjon, men også gjennom individuell foredling innenfor hver generasjon.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/no/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 Search – Lokalt søk metaheuristikkOptimering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →