Memetisk algoritm
En memetisk algoritm (MA) är en populationsbaserad metaheuristik som kombinerar den globala utforskningen av en evolutionär algoritm med den lokala exploateringen av individuella inlärningsprocedurer. Introducerad av Pablo Moscato 1989 vid Caltech, hämtar MA inspiration från Richard Dawkins koncept om memet — en enhet för kulturell transmission — för att modellera idén att lösningar kan förbättras inte bara genom korsning och mutation utan också genom individuell förfining inom varje generation.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/sv/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 algoritmOptimering↔ compare
- HyperheuristikerOptimering↔ compare
- Tabu SearchOptimering↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →