| http://dbpedia.org/ontology/abstract
|
Les algorithmes mémétiques appartiennent à … Les algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation. L'intérêt de cette classe d'algorithme est l'apport de la diversification de la partie génétique accompagnée par l'intensification de la recherche locale. On peut classer les algorithmes mémétiques dans les métaheuristiques.hmes mémétiques dans les métaheuristiques.
, Los algoritmos meméticos son técnicas de o … Los algoritmos meméticos son técnicas de optimización que combinan sinérgicamente conceptos tomados de otras metaheurísticas, tales como la búsqueda basada en poblaciones (como en los algoritmos evolutivos), y la mejora local (como en las técnicas de seguimiento del gradiente).s técnicas de seguimiento del gradiente).
, A memetic algorithm (MA) in computer scien … A memetic algorithm (MA) in computer science and operations research, is an extension of the traditional genetic algorithm. It may provide a sufficiently good solution to an optimization problem. It uses a local search technique to reduce the likelihood of premature convergence. Memetic algorithms represent one of the recent growing areas of research in evolutionary computation. The term MA is now widely used as a synergy of evolutionary or any population-based approach with separate individual learning or local improvement procedures for problem search. Quite often, MAs are also referred to in the literature as Baldwinian evolutionary algorithms (EAs), Lamarckian EAs, cultural algorithms, or genetic local search.tural algorithms, or genetic local search.
, Memetische Algorithmen (MA) sind eine Erwe … Memetische Algorithmen (MA) sind eine Erweiterung von global suchenden populationsbasierten Metaheuristiken um Verfahren zur lokalen Suche, des maschinellen Lernens oder anderer Verbesserungs- oder Optimierungsverfahren. Typische Vertreter erweitern einen Evolutionären Algorithmus (EA) als global suchendes Verfahren um ein oder mehrere lokale Suchverfahren oder Heuristiken, die als Mem bezeichnet werden. Sie können problemspezifisch sein, müssen es aber nicht. Häufig werden die Mems bei der Nachkommenerzeugung eines EA eingesetzt, etwa indem sie auf alle oder einen Teil der Nachkommen einer Generation mit dem Ziel einer Qualitätsverbesserung angewandt werden. Eine weitere Möglichkeit besteht darin, sie zur Erzeugung von Nachkommen ausgehend von einem Elternteil einzusetzen.usgehend von einem Elternteil einzusetzen.
, 미미틱 알고리즘(memetic algorithm)은 혼합형 유전 알고리즘의 … 미미틱 알고리즘(memetic algorithm)은 혼합형 유전 알고리즘의 대표적인 형태이다.리처드 도킨스의 저서 이기적 유전자에서 처음 사용된 "밈(meme)"에서 유래되었다.최적해를 구하기 위해서 일반적인 유전 알고리즘과 지역 최적화 알고리즘을 함께 이용하는데, 유전 알고리즘의 교차와 변이에 의해서 지역 최적점 근처에 있게 된 해를 기법을 통해 지역 최적점에 가까이 가도록 미세 조정을 하는 방법이다. 유전 알고리즘은 탐색 능력이 뛰어나 지역 최적점 근처의 해를 얻을 수는 있지만, 이러한 근사해를 미세하게 조정해서 정확한 지역 최적해를 얻는 능력은 부족하기 때문에 이를 보완하기 위해 지역 탐색 기법을 사용한다. 일반적으로 미미틱 알고리즘은 지역 최적화와 결합하지 않은 유전 알고리즘에 비해 빠른 시간에 적합도가 더욱 높은 해를 찾아낸다. 미미틱 알고리즘은 주로 혼합형 유전 알고리즘과 같은 뜻으로 쓰이고 있으나, 유전 알고리즘 이외의 진화 연산 기법과 지역 탐색 기법을 결합하는 경우에는 미미틱 알고리즘이라고 부르는 것이 적절하다. 미미틱 알고리즘에 대비하여, 지역 탐색 기법과 결합하지 않은 원래의 유전 알고리즘을 순수 유전 알고리즘이라고 부른다. 처음 미미틱 알고리즘이라는 용어를 고안한 사람은 모스카토(Moscato)이다.음 미미틱 알고리즘이라는 용어를 고안한 사람은 모스카토(Moscato)이다.
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
https://www.springer.com/journal/12293 +
, http://www.ntu.edu.sg/home/asysong/ETTC/ETTC%20Task%20Force%20-%20Memetic%20Computing.htm +
, http://www.ntu.edu.sg/home/asysong/SC/Special-Issue-MA.htm +
, https://ieeexplore.ieee.org/document/4067075 +
, http://www.wcci2008.org/ +
, https://web.archive.org/web/20080216234225/http:/ntu-cg.ntu.edu.sg/ysong/MA-SS/MA.htm +
, http://www.springeronline.com/sgw/cda/frontpage/0%2C11855%2C5-40356-72-34233226-0%2C00.html +
, http://www.mitpressjournals.org/doi/abs/10.1162/1063656041775009%3FprevSearch=allfield%3A%28memetic%2Balgorithm%29 +
, https://web.archive.org/web/20100306001555/http:/cec2007.nus.edu.sg/ +
, http://www.esi-topics.com/erf/2007/august07-Ong_Keane.html +
, http://users.jyu.fi/~neferran/MA2008/MA2008.htm +
|
| http://dbpedia.org/ontology/wikiPageID
|
3989208
|
| http://dbpedia.org/ontology/wikiPageLength
|
25809
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1100820025
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Premature_convergence +
, http://dbpedia.org/resource/Feature_selection +
, http://dbpedia.org/resource/Circuit_design +
, http://dbpedia.org/resource/Richard_Dawkins +
, http://dbpedia.org/resource/Evolutionary_algorithm +
, http://dbpedia.org/resource/Nurse_rostering_problem +
, http://dbpedia.org/resource/Charged_particle_beam +
, http://dbpedia.org/resource/Business_analytics +
, http://dbpedia.org/resource/Computer_science +
, http://dbpedia.org/resource/Bin_packing_problem +
, http://dbpedia.org/resource/Optimization_problem +
, http://dbpedia.org/resource/Universal_Darwinism +
, http://dbpedia.org/resource/Graph_partition +
, http://dbpedia.org/resource/Cluster_analysis +
, http://dbpedia.org/resource/Expert_system +
, http://dbpedia.org/resource/VLSI +
, http://dbpedia.org/resource/Motion_planning +
, http://dbpedia.org/resource/Independent_set_problem +
, http://dbpedia.org/resource/Data_science +
, http://dbpedia.org/resource/Meme +
, http://dbpedia.org/resource/Algorithm +
, http://dbpedia.org/resource/Quadratic_assignment_problem +
, http://dbpedia.org/resource/Heuristic +
, http://dbpedia.org/resource/Interior_point_method +
, http://dbpedia.org/resource/Operations_research +
, http://dbpedia.org/resource/Knapsack_problem +
, http://dbpedia.org/resource/Genetic_algorithm +
, http://dbpedia.org/resource/Generalized_Assignment_Problem +
, http://dbpedia.org/resource/Single_machine_scheduling +
, http://dbpedia.org/resource/Schedule_%28workplace%29 +
, http://dbpedia.org/resource/Dual-phase_evolution +
, http://dbpedia.org/resource/Local_search_%28optimization%29 +
, http://dbpedia.org/resource/Genotype +
, http://dbpedia.org/resource/Set_cover_problem +
, http://dbpedia.org/resource/Category:Evolutionary_algorithms +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Conjugate_gradient_method +
, http://dbpedia.org/resource/Hill_climbing +
, http://dbpedia.org/resource/Combinatorial_optimization +
, http://dbpedia.org/resource/Pablo_Moscato +
, http://dbpedia.org/resource/Processor_allocation +
, http://dbpedia.org/resource/Pattern_recognition +
, http://dbpedia.org/resource/Expression_profiling +
, http://dbpedia.org/resource/Hyper-heuristic +
, http://dbpedia.org/resource/NP_%28complexity%29 +
, http://dbpedia.org/resource/Chromosome +
, http://dbpedia.org/resource/Graph_coloring +
, http://dbpedia.org/resource/Travelling_salesman_problem +
, http://dbpedia.org/resource/Evolutionary_computation +
, http://dbpedia.org/resource/NHL +
|
| http://dbpedia.org/property/date
|
June 2022
|
| http://dbpedia.org/property/reason
|
Section headers should not be phrased as questions
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Cleanup_section +
, http://dbpedia.org/resource/Template:Evolutionary_algorithms +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:ISBN +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Evolutionary_algorithms +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Memetic_algorithm?oldid=1100820025&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Memetic_algorithm +
|
| owl:sameAs |
http://yago-knowledge.org/resource/Memetic_algorithm +
, http://dbpedia.org/resource/Memetic_algorithm +
, http://rdf.freebase.com/ns/m.0bb970 +
, http://fr.dbpedia.org/resource/Algorithme_m%C3%A9m%C3%A9tique +
, https://global.dbpedia.org/id/31bSt +
, http://www.wikidata.org/entity/Q324793 +
, http://ko.dbpedia.org/resource/%EB%AF%B8%EB%AF%B8%ED%8B%B1_%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98 +
, http://es.dbpedia.org/resource/Algoritmo_mem%C3%A9tico +
, http://de.dbpedia.org/resource/Memetischer_Algorithmus +
, http://th.dbpedia.org/resource/%E0%B8%82%E0%B8%B1%E0%B9%89%E0%B8%99%E0%B8%95%E0%B8%AD%E0%B8%99%E0%B8%A7%E0%B8%B4%E0%B8%98%E0%B8%B5%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A5%E0%B8%AD%E0%B8%81%E0%B9%81%E0%B8%9A%E0%B8%9A +
|
| rdf:type |
http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/class/yago/WikicatEvolutionaryAlgorithms +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/class/yago/Algorithm105847438 +
|
| rdfs:comment |
미미틱 알고리즘(memetic algorithm)은 혼합형 유전 알고리즘의 … 미미틱 알고리즘(memetic algorithm)은 혼합형 유전 알고리즘의 대표적인 형태이다.리처드 도킨스의 저서 이기적 유전자에서 처음 사용된 "밈(meme)"에서 유래되었다.최적해를 구하기 위해서 일반적인 유전 알고리즘과 지역 최적화 알고리즘을 함께 이용하는데, 유전 알고리즘의 교차와 변이에 의해서 지역 최적점 근처에 있게 된 해를 기법을 통해 지역 최적점에 가까이 가도록 미세 조정을 하는 방법이다. 유전 알고리즘은 탐색 능력이 뛰어나 지역 최적점 근처의 해를 얻을 수는 있지만, 이러한 근사해를 미세하게 조정해서 정확한 지역 최적해를 얻는 능력은 부족하기 때문에 이를 보완하기 위해 지역 탐색 기법을 사용한다. 일반적으로 미미틱 알고리즘은 지역 최적화와 결합하지 않은 유전 알고리즘에 비해 빠른 시간에 적합도가 더욱 높은 해를 찾아낸다. 미미틱 알고리즘은 주로 혼합형 유전 알고리즘과 같은 뜻으로 쓰이고 있으나, 유전 알고리즘 이외의 진화 연산 기법과 지역 탐색 기법을 결합하는 경우에는 미미틱 알고리즘이라고 부르는 것이 적절하다. 미미틱 알고리즘에 대비하여, 지역 탐색 기법과 결합하지 않은 원래의 유전 알고리즘을 순수 유전 알고리즘이라고 부른다.법과 결합하지 않은 원래의 유전 알고리즘을 순수 유전 알고리즘이라고 부른다.
, A memetic algorithm (MA) in computer scien … A memetic algorithm (MA) in computer science and operations research, is an extension of the traditional genetic algorithm. It may provide a sufficiently good solution to an optimization problem. It uses a local search technique to reduce the likelihood of premature convergence.e the likelihood of premature convergence.
, Les algorithmes mémétiques appartiennent à … Les algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation. L'intérêt de cette classe d'algorithme est l'apport de la diversification de la partie génétique accompagnée par l'intensification de la recherche locale. l'intensification de la recherche locale.
, Los algoritmos meméticos son técnicas de o … Los algoritmos meméticos son técnicas de optimización que combinan sinérgicamente conceptos tomados de otras metaheurísticas, tales como la búsqueda basada en poblaciones (como en los algoritmos evolutivos), y la mejora local (como en las técnicas de seguimiento del gradiente).s técnicas de seguimiento del gradiente).
, Memetische Algorithmen (MA) sind eine Erwe … Memetische Algorithmen (MA) sind eine Erweiterung von global suchenden populationsbasierten Metaheuristiken um Verfahren zur lokalen Suche, des maschinellen Lernens oder anderer Verbesserungs- oder Optimierungsverfahren. Typische Vertreter erweitern einen Evolutionären Algorithmus (EA) als global suchendes Verfahren um ein oder mehrere lokale Suchverfahren oder Heuristiken, die als Mem bezeichnet werden. Sie können problemspezifisch sein, müssen es aber nicht.blemspezifisch sein, müssen es aber nicht.
|
| rdfs:label |
Memetischer Algorithmus
, Algoritmo memético
, Algorithme mémétique
, Memetic algorithm
, 미미틱 알고리즘
|
