Algorytm memetyczny
Algorytm memetyczny (MA) to metaheurystyka oparta na populacji, która łączy globalną eksplorację algorytmu ewolucyjnego z lokalną eksploatacją procedur uczenia indywidualnego. Wprowadzone przez Pablo Moscato w 1989 roku na Caltech, MA czerpią z koncepcji memu Richarda Dawkinsa – jednostki transmisji kulturowej – aby modelować ideę, że rozwiązania mogą ulec poprawie nie tylko poprzez krzyżowanie i mutację, ale także poprzez indywidualne udoskonalenie w każdej generacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/pl/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.
- Algorytm genetycznyOptymalizacja↔ compare
- HiperheurystykiOptymalizacja↔ compare
- Przeszukiwanie tabuOptymalizacja↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →