เมเมติก อัลกอริทึม
เมเมติก อัลกอริทึม (Memetic Algorithm, MA) เป็นอภิวิธี (metaheuristic) แบบอิงประชากร (population-based) ที่ผสมผสานการสำรวจในระดับโลก (global exploration) ของอัลกอริทึมเชิงวิวัฒนาการ (evolutionary algorithm) เข้ากับการแสวงหาประโยชน์ในระดับท้องถิ่น (local exploitation) ของกระบวนการเรียนรู้ของแต่ละบุคคล (individual learning procedures) MA ได้รับการพัฒนาโดย Pablo Moscato ในปี 1989 ที่ Caltech โดยได้รับแรงบันดาลใจจากแนวคิดของ meme ของ Richard Dawkins ซึ่งเป็นหน่วยของการส่งผ่านทางวัฒนธรรม เพื่อจำลองแนวคิดที่ว่าคำตอบสามารถปรับปรุงได้ไม่เพียงแต่ผ่านการผสมข้าม (crossover) และการกลายพันธุ์ (mutation) เท่านั้น แต่ยังผ่านการปรับปรุงของแต่ละบุคคลภายในแต่ละรุ่น (generation) อีกด้วย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Memetic Algorithms (Hybrid Evolutionary + Local Search). ScholarGate. https://scholargate.app/th/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.
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Hyper-Heuristicsการหาค่าเหมาะที่สุด↔ compare
- Tabu Searchการหาค่าเหมาะที่สุด↔ compare