Меметические вычисления

Меметические вычисления — это новая вычислительная парадигма, которая включает в себя понятие мема (ов) ^[1] как базовых единиц передаваемой информации, закодированной в вычислительных представлениях для повышения производительности искусственных эволюционных систем в области поиска и оптимизации . ^[2]^[3]^[4]

Термин меметические вычисления часто ошибочно истолковывается как то же самое, что и меметические алгоритмы (МА) ^[5] , которые обычно гибридизируют алгоритмы глобального поиска на основе популяции с одной или несколькими локальными схемами поиска. Примечательно, что меметические вычисления предлагают гораздо более широкую сферу применения, увековечивая идею мемов в концепциях, которые прокладывают путь к одновременному обучению проблемам и подходам к оптимизации.

Методы

Существует два разных метода, описывающих историю и развитие меметики в вычислительной технике. Это мемы, созданные человеком, и мемы, созданные машиной.

Мемы, созданные людьми

Одной из наиболее широко признанных реализаций меметической вычислительной парадигмы являются меметические алгоритмы первого поколения (МА). В частности, МА называются гибридными алгоритмами, предписывающими объединение глобального поиска на основе популяции с одной или несколькими схемами локального поиска (интерпретируемыми как вычислительные проявления мемов), такими как эвристические уточнения решений, процедуры градиентного спуска и т. д. Конкретный выбор эвристик локального поиска вручную создается (указывается вручную) экспертом в предметной области и часто требует достаточно глубокого понимания рассматриваемой проблемы.

Второе поколение MA фокусируется на адаптивном отборе на основе данных и интеграции мемов из вручную определенного каталога мультимемов (пула мемов); ^[6] сборе шаблонов (знаний) из данных, сгенерированных в ходе поиска/оптимизации, с целью определения перспективных комбинаций мемов во время выполнения. ^[7]^[8]

Мемы, созданные машиной

Только недавно концепция мемов была освобождена от узкой сферы просто вручную созданных эвристик локального поиска, проложив путь к полностью автоматизированному извлечению, распространению и эксплуатации мемов знаний. В эту эпоху демократизации данных с доступом к современным вычислительным платформам возникает беспилотная многомематическая среда; та, в которой мемы, захватывающие разнообразные формы знаний о решении проблем более высокого порядка, раскрываются машинами. После этого они становятся доступными для повторного использования в различных задачах. Таким образом, это позволяет продвинутым оптимизаторам автоматически использовать переданные мемы и организовывать пользовательское поведение поиска на лету без вмешательства человека.

Приложения

Концепция мемов использовалась в различных областях исследований, например, в робототехнике, многоагентных системах, робототехнике, оптимизации, ^[9] разработке программного обеспечения, социальных науках и т. д.

Смотрите также

Ссылки

^ Докинз, Р. (1976). Эгоистичный ген. Oxford University Press.
^ Онг, YS, Лим, MH, и Чен, X. (2010). Меметические вычисления — прошлое, настоящее и будущее [рубеж исследований]. Журнал IEEE Computational Intelligence, 5(2), 24-31.
^ Чен, X., Онг, YS, Лим, MH, и Тан, KC (2011). Многогранный обзор меметических вычислений. IEEE Transactions on Evolutionary Computation, 15(5), 591-607.
^ Гупта, А. и Онг, YS (2018). Меметические вычисления: движущая сила передачи знаний в эпоху оптимизации на основе данных (т. 21). Springer.
^ Москато, П. (1989). Об эволюции, поиске, оптимизации, генетических алгоритмах и боевых искусствах: на пути к меметическим алгоритмам. Программа параллельных вычислений Калтеха, C3P Report, 826, 1989.
^ Krasnogor, N., Blackburne, BP, Burke, EK, & Hirst, JD (2002, сентябрь). Мультимемные алгоритмы для предсказания структуры белка. На Международной конференции по параллельному решению проблем из природы (стр. 769-778). Springer, Берлин, Гейдельберг.
^ Krasnogor, N., Blackburne, BP, Burke, EK, & Hirst, JD (2002, сентябрь). Мультимемные алгоритмы для предсказания структуры белка. На Международной конференции по параллельному решению проблем из природы (стр. 769-778). Springer, Берлин, Гейдельберг.
^ Онг, YS, и Кин, AJ (2004). Мета-ламарковское обучение в меметических алгоритмах. Труды IEEE по эволюционным вычислениям, 8(2), 99-110.
^ Фэн, Л., Онг, YS, Лим, MH, и Цанг, IW (2015). Меметический поиск с междоменным обучением: реализация между CVRP и CARP. IEEE Transactions on Evolutionary Computation, 19(5), 644-658.

ВИО
инхоахонг

[1] Докинз, Р. (1976). Эгоистичный ген. Oxford University Press.

[2] Онг, YS, Лим, MH, и Чен, X. (2010). Меметические вычисления — прошлое, настоящее и будущее [рубеж исследований]. Журнал IEEE Computational Intelligence, 5(2), 24-31.

[3] Чен, X., Онг, YS, Лим, MH, и Тан, KC (2011). Многогранный обзор меметических вычислений. IEEE Transactions on Evolutionary Computation, 15(5), 591-607.

[4] Гупта, А. и Онг, YS (2018). Меметические вычисления: движущая сила передачи знаний в эпоху оптимизации на основе данных (т. 21). Springer.

[5] Москато, П. (1989). Об эволюции, поиске, оптимизации, генетических алгоритмах и боевых искусствах: на пути к меметическим алгоритмам. Программа параллельных вычислений Калтеха, C3P Report, 826, 1989.

[6] Krasnogor, N., Blackburne, BP, Burke, EK, & Hirst, JD (2002, сентябрь). Мультимемные алгоритмы для предсказания структуры белка. На Международной конференции по параллельному решению проблем из природы (стр. 769-778). Springer, Берлин, Гейдельберг.

[7] Krasnogor, N., Blackburne, BP, Burke, EK, & Hirst, JD (2002, сентябрь). Мультимемные алгоритмы для предсказания структуры белка. На Международной конференции по параллельному решению проблем из природы (стр. 769-778). Springer, Берлин, Гейдельберг.

[8] Онг, YS, и Кин, AJ (2004). Мета-ламарковское обучение в меметических алгоритмах. Труды IEEE по эволюционным вычислениям, 8(2), 99-110.

[9] Фэн, Л., Онг, YS, Лим, MH, и Цанг, IW (2015). Меметический поиск с междоменным обучением: реализация между CVRP и CARP. IEEE Transactions on Evolutionary Computation, 19(5), 644-658.