الگوریتم ممتیک که نام اصلی آن بهینهسازی حافظه ( Memtic Algoritm ) از رفتار الگوریتم ژنتیک الهام گرفتهشده است .الگوریتم ممتیک نام دیگر این الگوریتم است. این الگوریتم از الگوریتمهای بسیار کارآمد در حل مسائل بهینهسازی ترکیبی است. الگوریتم ممتیک در حوزههای مختلف مسائل بهینهسازی کاربرد دارد. بهینهسازی فرآیندی برای تعیین بهترین راهحل است . این الگوریتم از روش به کمینه یا به حداکثر رساندن پارامترهای درگیر در مسائل استفاده میکند. بهطورکلی مسائل بهینهسازی از مسائل محاسباتی اند که به دنبال پیدا کردن بهترین راهحلهای ممکن هستند. الگوریتمهای بهینهسازی، به دنبال یافتن راهحل در منطقهای هستند که دارای حداقل (یا حداکثر) ارزش عملکرد هدف باشد.
الگوریتم های حافظه یکی از موثرترین و انعطاف پذیرترین روشهای استعاری هستند. الگوریتمهای حافظه یکی از موثرترین و انعطاف پذیرترین روشهای استعاری را برای مقابله با مشکلات بهینه سازی سخت ارائه می دهند.
الگوریتم های حافظه با تشویق به استفاده از اکتشافات متعدد ، از کلیه منابع اطلاعاتی موجود برای یک مشکل استفاده میکنند.در ادامه این مشکل را در توسعه اکتشاف پذیری جهانی با کارایی بالا برطرف می کنند. این رویکرد برای بسیاری از مشکلات منجر به زنجیره ای غنی از الگوریتم های اکتشافی و چارچوب های استعاره گرایی شده است.
در این مقاله به بررسی فلسفه پارادایم memetic می پردازیم ، ساختار یک الگوریتم Memetic را ارائه می دهیم ، چندین الگوریتم نمونه را توسعه می دهیم . همچنین شبه کد الگوریتم بهینهسازی حافظه و رفتار آن بیان شده است.
الگوریتم ممتیک ( Memtic Algoritm )یک رویکرد مبتنی بر جمعیت برای جستجوی اکتشافی در مشکلات بهینه سازی است. این الگوریتم در برخی از مسایل ، سریعتر از الگوریتم های ژنتیک سنتی مشکل را حل میکنند. ، الگوریتم بهینه سازی ممتیک اکتشاف جستجوی محلی را با اپراتورهای متقاطع ترکیب می کند. به همین دلیل ، برخی از محققان آنها را الگوریتم های ژنتیکی ترکیبی میگویند.
الگوریتم های حافظه دارای عناصر متاوریستی و هوش محاسباتی هستند. الگوریتم های حافظه از اثر متقابل تکامل ژنتیکی و تکامل ممتیک الهام گرفته شده اند . اگرچه آنها اصول الگوریتم های تکاملی را دارند ، اما ممکن است به سختی یک تکنیک تکاملی تلقی شوند الگوریتم های حافظه شباهت های عملکردی با الگوریتم های تکاملی بالدیوین ، الگوریتم های تکاملی لامارکیان ، الگوریتم های تکاملی ترکیبی و الگوریتم های فرهنگی دارند..
الگوریتم های حافظه از اثر متقابل تکامل ژنتیکی و تکامل ممتیک الهام گرفته شده اند. داروینیسم جهانی عبارت است از تعمیم ژنها در ورای سیستمهای مبتنی بر بیولوژیکی به هر سیستمی که واحدهای گسسته از اطلاعات را می توان به ارث برد و در معرض نیروهای تکاملی انتخاب و تنوع قرار گیرد. اصطلاح meme برای اشاره به بخشی از اطلاعات فرهنگی گسسته استفاده می شود .meme نشانگر تعامل ژنتیکی و تکامل فرهنگی است.
هدف از استراتژی پردازش اطلاعات ، بهره برداری از تکنیک جستجوی جهانی مبتنی بر جمعیت است تا بتواند مناطق خوبی از فضای جستجو را به طور گسترده پیدا کند ، همراه با استفاده مکرر از یک اکتشاف جستجوی محلی توسط راه حل های فردی برای یافتن بهینه محلی. در حالت ایده آل ، الگوریتم های حافظه دوگانگی تکامل ژنتیکی و فرهنگی را در بر می گیرند ، و این امکان را برای انتقال ، انتخاب ، وراثت و تنوع Memes ها و همچنین ژن ها فراهم می آورد.
الگوریتم های بهینهسازی ممتیک، یک رویکرد مبتنی بر جمعیت برای جستجوی اکتشافی در مشکلات بهینه سازی است. این نشان داده است که در برخی از حوزه ها مشکل ، سریعتر از الگوریتم های ژنتیک سنتی عمل میکند. در اصل ، آنها اکتشاف جستجوی محلی را با اپراتورهای متقاطع ترکیب می کنند. به همین دلیل ، برخی از محققان آنها را الگوریتم های ژنتیکی ترکیبی قلمداد کرده اند. با این حال ، ترکیب با اکتشاف پذیری سازنده یا روش های دقیق نیز ممکن است متعلق به این طبقه از استعاره ها باشد.
الگوریتم های حافظه، دوگانگی تکامل ژنتیکی و فرهنگی را در بر می گیرند . الگوریتم های ممتیک امکان انتقال ، انتخاب ، وراثت و تنوع Memes ها و ژن ها فراهم می آورد. چون هدف از استراتژی پردازش اطلاعات ، بهره برداری از تکنیک جستجوی جهانی مبتنی بر جمعیت است تا بتواند مناطق خوبی از فضای جستجو را به طور گسترده پیدا کند ، همراه با استفاده مکرر از یک اکتشاف جستجوی محلی توسط راه حل های فردی برای یافتن بهینه محلی است .
الگوریتم ممتیک ، یک لیست شبه کد از الگوریتم بهینه سازی ممتیک را برای به حداقل رساندن یک عملکرد هزینه فراهم می کند. این روش یک الگوریتم ممتیک Meme یا مرتبه اول را توصیف می کند این روش بهبود راه حل های جداگانه از یک جستجوی جهانی را نشان می دهد . هرچند که تکامل مستقل پورها را نشان نمی دهد . سه الگوریتم در این زمینه ارایه شده است .
مساله فروشنده دوره گرد یک از مسائل شناخته شده از نوع هارد در کامپیوتر است . در این مساله یک فروشنده دوره گرد با شروع از یک مبدا و گذشتن از همه شهرها به مقصد میرسد. هدف آن است که این فروشنده کمترین مسیر را بین مسیرهای موجود بیابد. حل دقیق این مساله از مسائل دشوار و زمانبر است. استفاده از روشهای هوشمند از جمله الگوریتم ممتیک میتواند منجر به تسریع رسیدن به جواب شود.
شبه کد یک الگوریتم ممتیک ساده در ادامه آورده شده است:
Matlabanalysis2012@gmail.com