computación memética

La computación memética es un paradigma computacional novedoso que incorpora la noción de meme (s) ^{[ 1 ]} como unidades básicas de información transferible codificada en representaciones computacionales para impulsar el rendimiento de los sistemas evolutivos artificiales en el dominio de la búsqueda y la optimización . ^{[ 2 ]}^{[ 3 ]}^{[ 4 ]}

El término computación memética se suele malinterpretar, erróneamente, como sinónimo de algoritmos meméticos (AM) ^{[ 5 ]} , que normalmente hibridan algoritmos de búsqueda global basados en poblaciones con uno o más esquemas de búsqueda local. Cabe destacar que la computación memética ofrece un alcance mucho más amplio, perpetuando la idea de los memes en conceptos que allanan el camino hacia el aprendizaje simultáneo de problemas y los enfoques de optimización.

Métodos

Existen dos métodos diferentes para describir la historia y el auge de la memética en la informática: los memes creados por humanos y los memes creados por máquinas.

Memes creados por humanos

Una de las implementaciones más reconocidas del paradigma de computación memética son los algoritmos meméticos (AM) de primera generación. En particular, los AM se denominan algoritmos híbridos, ya que combinan una búsqueda global basada en poblaciones con uno o más esquemas de búsqueda local (interpretados como manifestaciones computacionales de memes), como refinamientos heurísticos de soluciones, procedimientos de descenso de gradiente , etc. La elección específica de las heurísticas de búsqueda local es elaborada manualmente por un experto en el dominio y, a menudo, requiere un conocimiento bastante profundo del problema en cuestión.

Los MA de segunda generación se centran en la selección adaptativa basada en datos y la integración de memes de un catálogo de multimemes especificado manualmente (un conjunto de memes); ^{[ 6 ]} extrayendo patrones (conocimiento) de los datos generados durante el curso de una ejecución de búsqueda/optimización para determinar combinaciones prometedoras de memes en tiempo de ejecución. ^{[ 7 ]}^{[ 8 ]}

Memes creados por máquinas

Recientemente, el concepto de memes se liberó del ámbito limitado de las heurísticas de búsqueda local manuales, allanando el camino hacia la extracción, dispersión y explotación totalmente automatizadas de memes de conocimiento. En esta era de democratización de datos con acceso a plataformas informáticas modernas, surge un entorno multimeme automatizado, donde las máquinas descubren memes que capturan diversas formas de conocimiento para la resolución de problemas de orden superior. Posteriormente, estos memes se ponen a disposición para su reutilización en diversos problemas. De este modo, los optimizadores avanzados pueden aprovechar automáticamente los memes transmitidos y orquestar comportamientos de búsqueda personalizados sobre la marcha sin intervención humana.

Aplicaciones

El concepto de memes se ha explotado en varios campos de investigación, por ejemplo, ingeniería robótica, sistemas multiagente, robótica, optimización, ^{[ 9 ]} ingeniería de software y ciencias sociales, etc.

Véase también

Referencias

↑ Dawkins, R. (1976). El gen egoísta. Oxford University Press.
↑ Ong, YS, Lim, MH y Chen, X. (2010). Computación memética: pasado, presente y futuro [frontera de investigación]. IEEE Computational Intelligence Magazine, 5(2), 24-31.
↑ Chen, X., Ong, YS, Lim, MH, & Tan, KC (2011). Un estudio multifacético sobre computación memética. IEEE Transactions on Evolutionary Computation, 15(5), 591-607.
↑ Gupta, A., & Ong, YS (2018). Computación memética: el motor principal de la transferencia de conocimiento en una era de optimización basada en datos (Vol. 21). Springer.
↑ Moscato, P. (1989). Sobre evolución, búsqueda, optimización, algoritmos genéticos y artes marciales: Hacia algoritmos meméticos. Programa de computación concurrente de Caltech, Informe C3P, 826, 1989.
↑ Krasnogor, N., Blackburne, BP, Burke, EK y Hirst, JD (2002, septiembre). Algoritmos multimeme para la predicción de la estructura de proteínas. En Conferencia internacional sobre resolución de problemas paralelos inspirada en la naturaleza (págs. 769-778). Springer, Berlín, Heidelberg.
↑ Krasnogor, N., Blackburne, BP, Burke, EK y Hirst, JD (2002, septiembre). Algoritmos multimeme para la predicción de la estructura de proteínas. En Conferencia internacional sobre resolución de problemas paralelos inspirada en la naturaleza (págs. 769-778). Springer, Berlín, Heidelberg.
↑ Ong, YS, & Keane, AJ (2004). Aprendizaje meta-lamarckiano en algoritmos meméticos. Transacciones IEEE sobre computación evolutiva, 8(2), 99-110.
↑ Feng, L., Ong, YS, Lim, MH, & Tsang, IW (2015). Búsqueda memética con aprendizaje entre dominios: una realización entre CVRP y CARP. IEEE Transactions on Evolutionary Computation, 19(5), 644-658.

[1] Dawkins, R. (1976). El gen egoísta. Oxford University Press.

[2] Ong, YS, Lim, MH y Chen, X. (2010). Computación memética: pasado, presente y futuro [frontera de investigación]. IEEE Computational Intelligence Magazine, 5(2), 24-31.

[3] Chen, X., Ong, YS, Lim, MH, & Tan, KC (2011). Un estudio multifacético sobre computación memética. IEEE Transactions on Evolutionary Computation, 15(5), 591-607.

[4] Gupta, A., & Ong, YS (2018). Computación memética: el motor principal de la transferencia de conocimiento en una era de optimización basada en datos (Vol. 21). Springer.

[5] Moscato, P. (1989). Sobre evolución, búsqueda, optimización, algoritmos genéticos y artes marciales: Hacia algoritmos meméticos. Programa de computación concurrente de Caltech, Informe C3P, 826, 1989.

[6] Krasnogor, N., Blackburne, BP, Burke, EK y Hirst, JD (2002, septiembre). Algoritmos multimeme para la predicción de la estructura de proteínas. En Conferencia internacional sobre resolución de problemas paralelos inspirada en la naturaleza (págs. 769-778). Springer, Berlín, Heidelberg.

[7] Krasnogor, N., Blackburne, BP, Burke, EK y Hirst, JD (2002, septiembre). Algoritmos multimeme para la predicción de la estructura de proteínas. En Conferencia internacional sobre resolución de problemas paralelos inspirada en la naturaleza (págs. 769-778). Springer, Berlín, Heidelberg.

[8] Ong, YS, & Keane, AJ (2004). Aprendizaje meta-lamarckiano en algoritmos meméticos. Transacciones IEEE sobre computación evolutiva, 8(2), 99-110.

[9] Feng, L., Ong, YS, Lim, MH, & Tsang, IW (2015). Búsqueda memética con aprendizaje entre dominios: una realización entre CVRP y CARP. IEEE Transactions on Evolutionary Computation, 19(5), 644-658.

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]