KI-Glossar
Das vollständige Wörterbuch der Künstlichen Intelligenz
Algorithme Memétique
Métaheuristique hybride combinant des algorithmes évolutionnaires avec des techniques de recherche locale pour améliorer l'efficacité de l'optimisation.
Hybridation
Processus de combinaison de plusieurs métaheuristiques ou algorithmes pour tirer avantage des forces de chaque méthode dans un algorithme unifié.
Opérateur de Voisinage
Fonction définissant la structure du voisinage pour la recherche locale, déterminant comment générer des solutions voisines à partir d'une solution donnée.
Schéma de Lamarckien
Approche d'apprentissage où les améliorations obtenues par recherche locale sont directement intégrées dans le génotype des individus pour la transmission génétique.
Schéma de Baldwinien
Stratégie où les améliorations de recherche locale ne modifient pas le génotype mais influencent la fitness pour guider la sélection évolutionnaire.
Mémétique
Concept inspiré de la mémétique appliqué à l'optimisation, où les solutions s'améliorent par imitation et transmission d'informations locales.
Métaheuristique Hybride
Classe d'algorithmes d'optimisation combinant différentes stratégies de recherche pour surpasser les limitations des méthodes individuelles.
Paysage de Fitness
Représentation multidimensionnelle de la fonction objectif où chaque point correspond à une solution et sa hauteur à sa qualité.
Convergence Accélérée
Capacité des algorithmes memétiques à atteindre des solutions de haute qualité plus rapidement que les algorithmes évolutionnaires purs.
Optimum Local
Solution dont aucune solution voisine n'est meilleure selon la fonction objectif, mais qui n'est pas nécessairement la meilleure solution globale.
Optimum Global
Meilleure solution possible dans l'ensemble de l'espace de recherche, objectif ultime des algorithmes d'optimisation.
Recherche Tabou
Métaheuristique utilisant une mémoire à court terme pour éviter les cycles et explorer systématiquement l'espace de recherche.
Coévolution Memétique
Approche avancée où plusieurs populations coévoluent avec différentes stratégies de recherche locale adaptatives.
Auto-adaptation
Mécanisme permettant à l'algorithme d'ajuster dynamiquement ses paramètres, comme la fréquence d'application de la recherche locale.
Multi-start Memétique
Variante exécutant plusieurs fois l'algorithme memétique à partir de points initiaux différents pour augmenter la robustesse.
Élitisme Memétique
Stratégie préservant les meilleures solutions après l'application de la recherche locale pour garantir la non-dégradation de la population.