मेमेटिक कलनविधि: Difference between revisions

Latest revision as of 10:47, 21 February 2023

कंप्यूटर विज्ञान और संचालन अनुसंधान में मेमेटिक कलनविधि (एमए) पारंपरिक आनुवंशिक कलनविधि (जीए) या अधिक सामान्य विकासवादी कलनविधि (ईए) का विस्तार है। यह अनुकूलन समस्या के लिए पर्याप्त रूप से अच्छा समाधान प्रदान कर सकता है। यह ईए द्वारा उत्पन्न समाधानों की गुणवत्ता में संशोधन करने और समयपूर्व अभिसरण की संभावना को कम करने के लिए उपयुक्त अनुमानी या स्थानीय खोज (अनुकूलन) विधि का उपयोग करता है।^[1]

मेमेटिक कलनविधि विकासवादी संगणना में अनुसंधान के हाल के बढ़ते क्षेत्रों में से एक का प्रतिनिधित्व करते हैं। शब्द एमए अब व्यापक रूप से समस्या खोज के लिए अलग-अलग व्यक्तिगत सीखने या स्थानीय संशोधन प्रक्रियाओं के साथ विकासवादी या किसी जनसंख्या-आधारित दृष्टिकोण की सहक्रिया के रूप में उपयोग किया जाता है। अधिकांशतः, एमए को साहित्य में बाल्डविनियन विकासवादी कलनविधि (ईएएस), लैमार्कियन ईएएस, सांस्कृतिक कलनविधि या आनुवंशिक स्थानीय खोज के रूप में भी संदर्भित किया जाता है।

परिचय

प्राकृतिक विकास के डार्विनियन सिद्धांतों और रिचर्ड डॉकिन्स, मेमे की डॉकिन्स की धारणा दोनों से प्रेरित होकर, मेमेटिक कलनविधि (एमए) शब्द को 1989 में पाब्लो मोसेटो ने अपनी विधि सूची में प्रस्तुत किया था।^[2] 1989 में जहां उन्होंने एमए को जनसंख्या-आधारित हाइब्रिड आनुवंशिक कलनविधि (जीए) के रूप में देखा, जो स्थानीय शोधन करने में सक्षम व्यक्तिगत सीखने की प्रक्रिया के साथ जुड़ा हुआ था। एक ओर, डार्विनियन विकास के लिए लाक्षणिक समानताएं, और दूसरी ओर, मेम्स और डोमेन विशिष्ट (स्थानीय खोज) अनुमानों के बीच मेमेटिक कलनविधि के अंदर अभिग्रहण कर लिया जाता है, इस प्रकार ऐसी पद्धति का प्रतिपादन किया जाता है जो सामान्यता और समस्या विशिष्टता के बीच अच्छी तरह से संतुलन बनाती है। यह दो चरणीय प्रकृति उन्हें दोहरे चरण के विकास का विशेष स्थिति बनाती है।

जटिल अनुकूलन के संदर्भ में, अनुप्रयोगों की विस्तृत श्रृंखला में मेमेटिक कलनविधि के कई अलग-अलग तात्कालिकता की सूचना दी गई है, सामान्य तौर पर, उनके पारंपरिक विकासवादी समकक्षों की तुलना में उच्च गुणवत्ता वाले समाधानों में अधिक कुशलता से अभिसरण की सूचना दी गई है।^[3]

सामान्य तौर पर, कम्प्यूटेशनल ढांचे के अंदर मेमेटिक्स के विचारों का उपयोग मेमेटिक कंप्यूटिंग या मेमेटिक कम्प्यूटेशन (एमसी) कहा जाता है।^[4] एमसी के साथ, सार्वभौमिक डार्विनवाद के लक्षण अधिक उचित रूप से प्राप्त किये गए हैं। इस परिप्रेक्ष्य में देखा जाए तो एमए, एमसी की अधिक विवश धारणा है। अधिक विशेष रूप से, एमए एमसी के क्षेत्र को कवर करता है, विशेष रूप से विकासवादी कलनविधि के क्षेत्रों से निपटने के लिए जो अनुकूलन समस्याओं को समाधान करने के लिए अन्य नियतात्मक शोधन विधियों से मेल खाता है। एमसी ज्ञान-संवर्धित प्रक्रियाओं या अभ्यावेदन की वैचारिक संस्थाओं को कवर करने के लिए मेम्स की धारणा का विस्तार करता है।

सैद्धांतिक पृष्ठभूमि

अनुकूलन और खोज के निःशुल्क-लंच प्रमेय,^[5]^[6] बताते हैं कि सभी अनुकूलन रणनीतियाँ सभी अनुकूलन समस्याओं के सेट के संबंध में समान रूप से प्रभावी हैं। इसके विपरीत, इसका अर्थ यह है कि कोई निम्नलिखित की आशा कर सकता है: कलनविधि जितनी अधिक कुशलता से किसी समस्या या समस्याओं के वर्ग को समाधान करता है, उतना ही कम सामान्य होता है और उतना ही अधिक समस्या-विशिष्ट ज्ञान होता है। यह अंतर्दृष्टि सीधे आवेदन-विशिष्ट विधियों या अनुमानों के साथ सामान्यतः प्रयुक्त होने वाले मेटाह्यूरिस्टिक्स को पूरक करने की पक्षसमर्थन की ओर ले जाती है,^[7] जो एमए की अवधारणा के साथ अच्छी तरह ठीक बैठता है।

एमए का विकास

पहली पीढ़ी

पाब्लो मोस्कैटो ने एमए की विशेषता इस प्रकार दी है: मेमेटिक कलनविधि जनसंख्या-आधारित वैश्विक खोज और प्रत्येक व्यक्ति द्वारा की गई अनुमानी स्थानीय खोज के बीच विवाह है। स्थानीय खोज करने के लिए तंत्र स्थानीय इष्टतम तक पहुंचने के लिए हो सकता है या पूर्व निर्धारित स्तर तक (उद्देश्य व्यय समारोह के संबंध में) संशोधन करने के लिए हो सकता है। और उन्होंने ध्यान दिया कि, "मैं एमए को आनुवंशिक प्रतिनिधित्व के लिए विवश नहीं कर रहा हूं।"^[8] एमए की यह मूल परिभाषा चूंकि खोज चक्र में सांस्कृतिक विकास (स्थानीय शोधन के रूप में) की विशेषताओं को सम्मिलित करती है, यह सार्वभौमिक डार्विनवाद के अनुसार वास्तविक विकसित प्रणाली के रूप में योग्य नहीं हो सकती है, क्योंकि वंशानुक्रम / मेमेटिक संचरण, भिन्नता के सभी मूल सिद्धांत, और चयन लुप्त हैं। इससे पता चलता है कि एमए शब्द ने पहली बार प्रस्तुत किए जाने पर शोधकर्ताओं के बीच आलोचनाओं और विवादों को क्यों छेड़ा।^[2] निम्नलिखित छद्म कोड एमए की इस सामान्य परिभाषा के अनुरूप होगा:

छद्म कोड:

   Procedure Memetic Algorithm

   Initialize: Generate an initial population, evaluate the individuals and assign a quality value to them;
   while Stopping conditions are not satisfied do
       Evolve a new population using stochastic search operators.
       Evaluate all individuals in the population and assign a quality value to them.
       Select the subset of individuals,  $\Omega _{il}$ , that should undergo the individual improvement procedure.
       for each individual in  $\Omega _{il}$  do
           Perform individual learning using meme(s) with frequency or probability of  $f_{il}$ , with an intensity of  $t_{il}$ .
           Proceed with Lamarckian or Baldwinian learning.
       end for

   end while

इस संदर्भ में लैमार्कवाद का अर्थ है व्यक्तिगत सीखने के चरण द्वारा प्राप्त उत्तम समाधान के अनुसार क्रोमोसोम को अपडेट करना, जबकि बाल्डविनियन प्रभाव क्रोमोसोम को अपरिवर्तित छोड़ देता है और केवल उत्तम उपयुक्तता का उपयोग करता है। यह छद्म कोड खुला छोड़ देता है कि कौन से कदम व्यक्तियों की उपयुक्तता पर आधारित हैं और कौन से नहीं हैं। प्रश्न में नई जनसंख्या का विकास और $\Omega _{il}$ चयन है।

चूंकि अधिकांश एमए कार्यान्वयन ईएएस पर आधारित होते हैं, पहली पीढ़ी के संबंधित प्रतिनिधि का छद्म कोड भी यहां दिया गया है, क्रास्नोगोर के बाद:^[9]

छद्म कोड

   Procedure Memetic Algorithm Based on an EA

   Initialization:  $t=0$ ;
                   randomly generate an initial population P(t);
   while Stopping conditions are not satisfied do
       Evaluation: Compute the fitness  $f(p)\ \ \forall p\in P(t)$ ;
       Selection: Accordingly to  $f(p)$  choose a subset of  $P(t)$  and store it in  $M(t)$ ;
       Offspring: Recombine and mutate individuals  $p\in M(t)$  and store them in  $M'(t)$ ;
       Learning: Improve  $p'$  by loacal search or heuristic  $\forall p'\in M'(t)$ ;
       Evaluation: Compute the fitness  $f(p')\ \ \forall p'\in M'(t)$ ;
       if Lamarckian learning then
          Update chromosome of  $p'$  according to improvement  $\forall p'\in M'(t)$ ;
       fi
       New generation: Generate  $P(t+1)$  by selecting some individuals from  $P(t)$  and  $M'(t)$ ;
       $t=t+1$ ;
   end while
   Return best individual  $p\in P(t-1)$  as result;

इस एमए योजना के लिए कुछ विकल्प हैं। उदाहरण के लिए:

सभी या कुछ प्रारंभिक व्यक्तियों को मेमे द्वारा संशोधन किया जा सकता है।
वंश के स्थान पर मूल का स्थानीय संशोधन हो सकता है।
सभी वंशों के अतिरिक्त, केवल अनियमित ढंग से चयनित या उपयुक्तता पर निर्भर अंश में स्थानीय संशोधन हो सकता है।

दूसरी पीढ़ी

बहु-मेमे,^[10] अति अनुमानी^[11]^[12] और मेटा-लैमार्कियन एमए^[13]^[14] मेमेटिक संचरण और उनके डिजाइन में चयन के सिद्धांतों को प्रदर्शित करने वाली दूसरी पीढ़ी के एमए के रूप में जाना जाता है। बहु-मेमे एमए में मेमेटिक सामग्री को जीनोटाइप के हिस्से के रूप में कूटलेखन किया गया है। इसके बाद, प्रत्येक संबंधित व्यक्ति/गुणसूत्र के डिकोडेड मेमे का उपयोग स्थानीय शोधन करने के लिए किया जाता है। मेमेटिक सामग्री को मूल से वंशों तक सरल विरासत तंत्र के माध्यम से प्रेषित किया जाता है। दूसरी ओर, हाइपर-हेयुरिस्टिक और मेटा-लैमार्कियन एमए में, माना जाने वाला प्रत्याशी मेमों का पूल प्रतिस्पर्धा करेगा, पुरस्कार तंत्र के माध्यम से स्थानीय संशोधनों को उत्पन्न करने में उनकी पिछली योग्यताओं के आधार पर, भविष्य के स्थानीय के लिए आगे बढ़ने के लिए किस मेमे का चयन किया जाना है। जिन आशावारों पर विचार किया गया है, वे पुरस्कार तंत्र के माध्यम से स्थानीय संशोधनों को उत्पन्न करने में उनकी पिछली योग्यताओं के आधार पर प्रतिस्पर्धा करेंगे, यह तय करते हुए कि भविष्य के स्थानीय शोधन के लिए किस मेमे का चयन किया जाए।^[15]

तीसरी पीढ़ी

सह विकास^[16] और स्व-उत्पादक एमए^[17] तीसरी पीढ़ी के एमए के रूप में माना जा सकता है जहां मूलभूत विकसित प्रणाली की परिभाषाओं को संतुष्ट करने वाले सभी तीन सिद्धांतों पर विचार किया गया है। दूसरी पीढ़ी के एमए के विपरीत, जो मानता है कि उपयोग किए जाने वाले मेमे प्राथमिकता के रूप में जाने जाते हैं, तीसरी पीढ़ी एमए विकासवादी प्रणाली के अंदर आशावार समाधान के पूरक के लिए नियम-आधारित स्थानीय खोज का उपयोग करती है, इस प्रकार समस्या स्थान में नियमित रूप से दोहराई जाने वाली विशेषताओं या प्रतिरूप को कैप्चर करती है।

कुछ डिज़ाइन टिप्पणियाँ

उपयोग की जाने वाली सीखने की विधि मेमे का संशोधन परिणामों पर महत्वपूर्ण प्रभाव पड़ता है, इसलिए किसी विशेष अनुकूलन समस्या के लिए किस मेमे का उपयोग करना है, यह तय करने में सावधानी अपनानी चाहिए।^[11]^[15]^[18] किसी दिए गए निश्चित सीमित कम्प्यूटेशनल बजट के लिए व्यक्तिगत सीखने की आवृत्ति और तीव्रता सीधे एमए खोज में व्यक्तिगत सीखने (शोषण) के विरुद्ध विकास (अन्वेषण) की डिग्री को परिभाषित करती है। स्पष्ट रूप से, अधिक गहन व्यक्तिगत शिक्षा स्थानीय अनुकूलता में अभिसरण का अधिक अवसर प्रदान करती है लेकिन विकास की मात्रा को सीमित करती है जिसे अत्यधिक कम्प्यूटेशनल संसाधनों के बिना व्यय किया जा सकता है। इसलिए, अधिकतम खोज प्रदर्शन प्राप्त करने के लिए उपलब्ध कम्प्यूटेशनल बजट को संतुलित करने के लिए इन दो मापदंडों को सेट करते समय सावधानी अपनानी चाहिए। जब जनसंख्या का केवल एक हिस्सा सीखने से निकलता है, तो एमए खोज की उपयोगिता को अधिकतम करने के लिए व्यक्तियों के किस सबसेट को संशोधनने की आवश्यकता पर विचार किया जाना चाहिए। अंतिम लेकिन कम से कम, यह तय करना होगा कि संबंधित व्यक्ति को सीखने की सफलता (लैमार्कियन लर्निंग) द्वारा बदला जाना चाहिए या नहीं बदला जाना चाहिए। इस प्रकार, निम्नलिखित पाँच डिज़ाइन प्रश्न^[14]^[18]^[19] उत्तर दिया जाना चाहिए, जिनमें से पहली को एमए रन के समय उपरोक्त दूसरी पीढ़ी के सभी प्रतिनिधियों द्वारा संबोधित किया जाता है, जबकि मेटा-लैमार्कियन सीखने का विस्तारित रूप ^[14]इसे पहले चार डिज़ाइन निर्णयों तक विस्तारित करता है।

किसी विशेष समस्या या व्यक्ति के लिए उपयोग की जाने वाली व्यक्तिगत सीखने की विधि या मेमे का चयन

निरंतर अनुकूलन के संदर्भ में, व्यक्तिगत शिक्षा स्थानीय अनुमान या पारंपरिक स्पष्ट गणनात्मक विधियों के रूप में उपस्थित है।^[20] व्यक्तिगत सीखने की रणनीतियों के उदाहरणों में पहाड़ी पर चढ़ना, सिम्पलेक्स विधि, न्यूटन/क्वासी-न्यूटन विधि, आंतरिक बिंदु विधियाँ, संयुग्मी ढाल विधि, रेखा खोज और अन्य स्थानीय अनुमान सम्मिलित हैं। ध्यान दें कि अधिकांश सामान्य व्यक्तिगत सीखने की विधियां नियतात्मक हैं।

संयोजी अनुकूलन में, दूसरी ओर, अलग-अलग सीखने की विधियां सामान्यतः ह्यूरिस्टिक्स (जो नियतात्मक या प्रसंभाव्य हो सकते हैं) के रूप में उपस्थित होते हैं जो कि ब्याज की विशिष्ट समस्या के अनुरूप होते हैं। विशिष्ट अनुमानी प्रक्रियाओं और योजनाओं में के-जीन का आदान प्रदान, एज का आदान प्रदान, प्रथम-संशोधन, और कई अन्य सम्मिलित हैं।

व्यक्तिगत सीखने की आवृत्ति का निर्धारण

मेमेटिक कलनविधि डिजाइन के लिए प्रासंगिक पहले उद्देश्यों में से यह विचार करना है कि व्यक्तिगत सीखने को कितनी बार प्रयुक्त किया जाना चाहिए; अर्थात, व्यक्तिगत सीखने की आवृत्ति। एक स्थिति में,^[18] एमए खोज प्रदर्शन पर व्यक्तिगत सीखने की आवृत्ति के प्रभाव पर विचार किया गया जहां एमए खोज के विभिन्न चरणों में व्यक्तिगत सीखने की आवृत्ति के विभिन्न विन्यासों की जांच की गई। इसके विपरीत, इसे कहीं और दिखाया गया था^[21] यदि व्यक्तिगत सीखने की कम्प्यूटेशनल जटिलता अपेक्षाकृत कम है तो प्रत्येक व्यक्ति पर व्यक्तिगत सीखने को प्रयुक्त करना सार्थक हो सकता है।

व्यक्तियों का चयन जिस पर व्यक्तिगत शिक्षा प्रयुक्त होती है

ईए जनसंख्या के बीच उपयुक्त व्यक्तियों का चयन करने के उद्देश्य पर, भूमि के साथ निरंतर प्राचलिक खोज समस्याओं में गुणसूत्रों की जनसंख्या पर व्यक्तिगत सीखने को प्रयुक्त करने की संभावना को अपनाने के लिए उपयुक्तता-आधारित और वितरण-आधारित रणनीतियों का अध्ययन किया गया था।^[22] संयोजी अनुकूलन समस्याओं के लिए कार्य का विस्तार करना। बंभा एट अल ने, अधिकतम समाधान गुणवत्ता प्राप्त करने के लिए विकासवादी कलनविधि में पैरामीटरयुक्त व्यक्तिगत सीखने को व्यवस्थित रूप से एकीकृत करने के लिए सिम्युलेटेड हीटिंग विधि का प्रारंभ किया।^[23]

व्यक्तिगत सीखने की तीव्रता की विशिष्टता

व्यक्तिगत सीखने की तीव्रता, $t_{il}$ , व्यक्तिगत सीखने की पुनरावृत्ति के लिए आवंटित कम्प्यूटेशनल बजट की राशि है; अर्थात, एकल समाधान में संशोधन पर व्यय करने के लिए व्यक्तिगत सीखने के लिए स्वीकार्य अधिकतम कम्प्यूटेशनल बजट है।

लैमार्कियन या बाल्डविनियन सीखने का विकल्प

यह तय किया जाना है कि क्या एक पाया गया संशोधन केवल उत्तम उपयुक्तता (बाल्डविनियन लर्निंग) द्वारा काम करना है या क्या व्यक्ति को भी तदनुसार अनुकूलित किया गया है (लैमार्कियन लर्निंग)। ईए के स्थिति में, इसका अर्थ जीनोटाइप का समायोजन होगा। 1990 के दशक में पहले से ही साहित्य में ईए के लिए इस प्रश्न पर विवादास्पद रूप से चर्चा की गई है, जिसमें कहा गया है कि विशिष्ट उपयोग स्थिति प्रमुख भूमिका निभाता है।^[24]^[25]^[26] बहस की पृष्ठभूमि यह है कि जीनोम अनुकूलन समयपूर्व अभिसरण को बढ़ावा दे सकता है। इस संकट को अन्य उपायों से प्रभावी ढंग से कम किया जा सकता है जिससे उत्तम संतुलित चौड़ाई और गहराई की खोज की जा सके, जैसे कि संरचित जनसंख्या का उपयोग।^[27]

अनुप्रयोग

मेमेटिक कलनविधि को वास्तविक विश्व की कई समस्याओं पर सफलतापूर्वक प्रयुक्त किया गया है। चूंकि बहुत से लोग मेमेटिक कलनविधि से संबंधित विधियों को नियोजित करते हैं, वैकल्पिक नाम जैसे हाइब्रिड आनुवंशिक कलनविधि भी कार्यरत हैं।

शोधकर्ताओं ने कई शास्त्रीय एनपी (जटिलता) समस्याओं से निपटने के लिए मेमेटिक कलनविधि का उपयोग किया है। उनमें से कुछ को उद्धृत करने के लिए: ग्राफ़ विभाजन, नैपसैक समस्या, ट्रैवलिंग सेल्समैन की समस्या, द्विघात कार्यभार समस्या, सेट कवर समस्या, ग्राफ़ रंग # कलनविधि, स्वतंत्र सेट समस्या, बिन पैकिंग समस्या और सामान्यीकृत कार्यभार समस्या।

अधिक हाल के अनुप्रयोगों में व्यापार विश्लेषण और डेटा विज्ञान सम्मिलित हैं (लेकिन इन तक सीमित नहीं हैं),^[3] कृत्रिम तंत्रिका नेटवर्क का प्रशिक्षण,^[28] पैटर्न पहचान,^[29] रोबोटिक गति योजना,^[30] आवेशित कण किरण पुंज अभिविन्यास,^[31] सर्किट डिज़ाइन,^[32] विद्युत सेवा पुनरागमन,^[33] चिकित्सा विशेषज्ञ प्रणाली,^[34] एकल मशीन समय सारिणी,^[35] स्वचालित समय सारिणी (विशेष रूप से, एनएचएल के लिए समय सारिणी),^[36] अनुसूची (कार्यस्थल),^[37] नर्स रोस्टरिंग समस्या,^[38] प्रोसेसर आवंटन,^[39] देखभाल समय सारिणी (उदाहरण के लिए, विद्युत वितरण नेटवर्क का),^[40] विवश विषम संसाधनों के लिए कई कार्यप्रवाह का समय सारिणी (उत्पादन प्रक्रियाएँ),

मेमेटिक कलनविधि में हाल की गतिविधियाँ

मेमेटिक कलनविधि पर आईईईई वर्कशॉप (डब्ल्यूओएमए 2009)। कार्यक्रम के अध्यक्ष: जिम स्मिथ, इंग्लैंड के पश्चिम विश्वविद्यालय, यू.के.; यू-सून ओंग, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; गुस्ताफसन स्टीवन, नॉटिंघम विश्वविद्यालय; यू.के.; मेंग हियोट लिम, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; नतालियो क्रास्नोगोर, नॉटिंघम विश्वविद्यालय, यू.के.
मेमेटिक कंप्यूटिंग जर्नल, पहला अंक जनवरी 2009 में प्रकाशित हुआ।
2008 IEEE वर्ल्ड कांग्रेस ऑन कम्प्यूटेशनल इंटेलिजेंस (WCCI 2008), हांगकांग, पर विशेष सत्र मेमेटिक कलनविधि।
'सॉफ्ट कंप्यूटिंग में उभरते रुझान - मेमेटिक कलनविधि' पर विशेष अंक, सॉफ्ट कंप्यूटिंग जर्नल, पूर्ण और प्रेस में , 2008.
Memetic कंप्यूटिंग पर IEEE कम्प्यूटेशनल इंटेलिजेंस सोसाइटी इमर्जेंट टेक्नोलॉजीज टास्क फोर्स
IEEE Congress on Evolutionary Computation (CEC 2007), सिंगापुर, org/web/20080216234225/http://ntu-cg.ntu.edu.sg/ysong/MA-SS/MA.htm मेमेटिक कलनविधि पर विशेष सत्र।
'Memetic Computing' थॉमसन साइंटिफिक के एसेंशियल साइंस इंडिकेटर्स एज एन इमर्जिंग फ्रंट रिसर्च एरिया द्वारा।
मेमेटिक कलनविधि पर विशेष अंक, प्रणाली, मैन और साइबरनेटिक्स पर आईईईई लेनदेन - भाग बी: साइबरनेटिक्स, वॉल्यूम। 37, नंबर 1, फरवरी 2007।
Memetic Algorithms में हालिया प्रगति, सीरीज: अस्पष्टता और सॉफ्ट कंप्यूटिंग में अध्ययन, वॉल्यूम। 166, ISBN 978-3-540-22904-9, 2005.
Memetic कलनविधि पर विशेष अंक, विकासवादी संगणना पतन 2004, Vol. 12, संख्या 3: वी-वि।

संदर्भ

↑ Poonam Garg (April 2009). "A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm". International Journal of Network Security & Its Applications (IJNSA). 1 (1). arXiv:1004.0574. Bibcode:2010arXiv1004.0574G.
↑ ^2.0 ^2.1 Moscato, Pablo (1989), On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, Caltech Concurrent Computation Program, Technical Report 826, Pasadena, CA: California Institute of Technology
↑ ^3.0 ^3.1 Moscato, P.; Mathieson, L. (2019). "Memetic Algorithms for Business Analytics and Data Science: A Brief Survey". Business and Consumer Analytics: New Ideas. Springer. pp. 545–608. doi:10.1007/978-3-030-06222-4_13. ISBN 978-3-030-06221-7. S2CID 173187844.
↑ Chen, X. S.; Ong, Y. S.; Lim, M. H. (2010). "Research Frontier: Memetic Computation - Past, Present & Future". IEEE Computational Intelligence Magazine. 5 (2): 24–36. doi:10.1109/mci.2010.936309. hdl:10356/148175. S2CID 17955514.
↑ Wolpert, D.H.; Macready, W.G. (April 1997). "No free lunch theorems for optimization". IEEE Transactions on Evolutionary Computation. 1 (1): 67–82. doi:10.1109/4235.585893. S2CID 5553697.
↑ Wolpert, D. H.; Macready, W. G. (1995). "No Free Lunch Theorems for Search" (PDF). Technical Report SFI-TR-95-02-010. Santa Fe Institute. S2CID 12890367.
↑ Davis, Lawrence (1991). Handbook of Genetic Algorithms (in English). New York: Van Nostrand Reinhold. ISBN 0-442-00173-8. OCLC 23081440.
↑ Moscato, Pablo (1989), On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, Caltech Concurrent Computation Program, Technical Report 826, Pasadena, CA: California Institute of Technology, pp. 19–20
↑ Krasnogor, Natalio (2002). Studies on the Theory and Design Space of Memetic Algorithms (PhD). Bristol, UK: University of the West of England. p. 23.
↑ Krasnogor, Natalio (1999). "Coevolution of genes and memes in memetic algorithms". Graduate Student Workshop: 371.
↑ ^11.0 ^11.1 Kendall G. and Soubeiga E. and Cowling P. Choice function and random hyperheuristics (PDF). 4th Asia-Pacific Conference on Simulated Evolution and Learning. SEAL 2002. pp. 667–671.
↑ Burke E. K.; Gendreau M.; Hyde M.; Kendall G.; Ochoa G.; Ouml; zcan E.; Qu R. (2013). "Hyper-heuristics: A Survey of the State of the Art". Journal of the Operational Research Society. 64 (12): 1695–1724. CiteSeerX 10.1.1.384.9743. doi:10.1057/jors.2013.71. S2CID 3053192.
↑ Y. S. Ong & A. J. Keane (2004). "Meta-Lamarckian learning in memetic algorithms" (PDF). IEEE Transactions on Evolutionary Computation. 8 (2): 99–110. doi:10.1109/TEVC.2003.819944. S2CID 11003004.
↑ ^14.0 ^14.1 ^14.2 Jakob, Wilfried (September 2010). "A general cost-benefit-based adaptation framework for multimeme algorithms". Memetic Computing (in English). 2 (3): 201–218. doi:10.1007/s12293-010-0040-9. ISSN 1865-9284. S2CID 167807.
↑ ^15.0 ^15.1 Ong Y. S. and Lim M. H. and Zhu N. and Wong K. W. (2006). "Classification of Adaptive Memetic Algorithms: A Comparative Study" (PDF). IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics. 36 (1): 141–152. doi:10.1109/TSMCB.2005.856143. hdl:10220/4653. PMID 16468573. S2CID 818688.
↑ Smith J. E. (2007). "Coevolving Memetic Algorithms: A Review and Progress Report" (PDF). IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics. 37 (1): 6–17. doi:10.1109/TSMCB.2006.883273. PMID 17278554. S2CID 13867280.
↑ Krasnogor N. & Gustafson S. (2002). "Toward truly "memetic" memetic algorithms: discussion and proof of concepts". Advances in Nature-Inspired Computation: The PPSN VII Workshops. PEDAL (Parallel Emergent and Distributed Architectures Lab). University of Reading.
↑ ^18.0 ^18.1 ^18.2 Hart, William E. (December 1994). Adaptive Global Optimization with Local Search (PhD). San Diego, CA: University of California. CiteSeerX 10.1.1.473.1370.
↑ Hart, William E.; Krasnogor, Natalio; Smith, Jim E. (September 2004). "Editorial Introduction Special Issue on Memetic Algorithms". Evolutionary Computation (in English). 12 (3): v–vi. doi:10.1162/1063656041775009. ISSN 1063-6560. S2CID 9912363.
↑ Schwefel, Hans-Paul (1995). Evolution and optimum seeking. New York: Wiley. ISBN 0-471-57148-2.
↑ Ku, K. W. C.; Mak, M. W.; Siu., W. C (2000). "A study of the Lamarckian evolution of recurrent neural networks". IEEE Transactions on Evolutionary Computation. 4 (1): 31–42. doi:10.1109/4235.843493. hdl:10397/289.
↑ Land, M. W. S. (1998). Evolutionary Algorithms with Local Search for Combinatorial Optimization (Thesis). San Diego, CA: University of California. CiteSeerX 10.1.1.55.8986. ISBN 978-0-599-12661-9.
↑ Bambha N. K. and Bhattacharyya S. S. and Teich J. and Zitzler E. (2004). "Systematic integration of parameterized local search into evolutionary algorithms". IEEE Transactions on Evolutionary Computation. 8 (2): 137–155. doi:10.1109/TEVC.2004.823471. S2CID 8303351.
↑ Gruau, Frédéric; Whitley, Darrell (September 1993). "Adding Learning to the Cellular Development of Neural Networks: Evolution and the Baldwin Effect". Evolutionary Computation (in English). 1 (3): 213–233. doi:10.1162/evco.1993.1.3.213. ISSN 1063-6560. S2CID 15048360.
↑ Orvosh, David; Davis, Lawrence (1993), Forrest, Stephanie (ed.), "Shall We Repair? Genetic Algorithms, Combinatorial Optimization, and Feasibility Constraints", Conf. Proc. of the 5th Int. Conf. on Genetic Algorithms (ICGA), San Mateo, CA, USA: Morgan Kaufmann, p. 650, ISBN 978-1-55860-299-1, S2CID 10098180
↑ Whitley, Darrell; Gordon, V. Scott; Mathias, Keith (1994), Davidor, Yuval; Schwefel, Hans-Paul; Männer, Reinhard (eds.), "Lamarckian evolution, the Baldwin effect and function optimization", Parallel Problem Solving from Nature — PPSN III, Berlin, Heidelberg: Springer Berlin Heidelberg, vol. 866, pp. 5–15, doi:10.1007/3-540-58484-6_245, ISBN 978-3-540-58484-1, retrieved 2023-02-07
↑ Jakob, Wilfried (September 2010). "A general cost-benefit-based adaptation framework for multimeme algorithms". Memetic Computing. p.207 (in English). 2 (3): 201–218. doi:10.1007/s12293-010-0040-9. ISSN 1865-9284. S2CID 167807.
↑ Ichimura, T.; Kuriyama, Y. (1998). रॉयल रोड फ़ंक्शन का उपयोग करके समांतर हाइब्रिड जीए के साथ तंत्रिका नेटवर्क सीखना. IEEE International Joint Conference on Neural Networks. Vol. 2. New York, NY. pp. 1131–1136. doi:10.1109/IJCNN.1998.685931.
↑ Aguilar, J.; Colmenares, A. (1998). "हाइब्रिड जेनेटिक/रैंडम न्यूरल नेटवर्क लर्निंग एल्गोरिथम का उपयोग करके पैटर्न पहचान समस्याओं का समाधान". Pattern Analysis and Pplications. 1 (1): 52–61. doi:10.1007/BF01238026. S2CID 15803359.
↑ Ridao, M.; Riquelme, J.; Camacho, E.; Toro, M. (1998). दो मैनिपुलेटर्स गति की योजना बनाने के लिए एक विकासवादी और स्थानीय खोज एल्गोरिदम. Lecture Notes in Computer Science. Vol. 1416. Springer-Verlag. pp. 105–114. CiteSeerX 10.1.1.324.2668. doi:10.1007/3-540-64574-8_396. ISBN 978-3-540-64574-0.
↑ Haas, O.; Burnham, K.; Mills, J. (1998). "प्लानर ज्योमेट्री का उपयोग करके रेडियोथेरेपी में बीम ओरिएंटेशन का अनुकूलन". Physics in Medicine and Biology. 43 (8): 2179–2193. Bibcode:1998PMB....43.2179H. doi:10.1088/0031-9155/43/8/013. PMID 9725597. S2CID 250856984.
↑ Harris, S.; Ifeachor, E. (1998). "हाइब्रिड जेनेटिक एल्गोरिथम तकनीकों द्वारा फ़्रीक्वेंसी सैंपलिंग फ़िल्टर का स्वचालित डिज़ाइन". IEEE Transactions on Signal Processing. 46 (12): 3304–3314. Bibcode:1998ITSP...46.3304H. doi:10.1109/78.735305.
↑ Augugliaro, A.; Dusonchet, L.; Riva-Sanseverino, E. (1998). "हाइब्रिड जेनेटिक एल्गोरिथम का उपयोग करके मुआवजा वितरण नेटवर्क में सेवा बहाली". Electric Power Systems Research. 46 (1): 59–66. doi:10.1016/S0378-7796(98)00025-X.
↑ Wehrens, R.; Lucasius, C.; Buydens, L.; Kateman, G. (1993). "HIPS, आनुवंशिक एल्गोरिथम का उपयोग करके परमाणु चुंबकीय अनुनाद स्पेक्ट्रम व्याख्या के लिए एक संकर स्व-अनुकूलन विशेषज्ञ प्रणाली". Analytica Chimica Acta. 277 (2): 313–324. doi:10.1016/0003-2670(93)80444-P. hdl:2066/112321. S2CID 53954763.
↑ França, P.; Mendes, A.; Moscato, P. (1999). अनुक्रम-निर्भर सेटअप समय के साथ एकल मशीन पर शिथिलता को कम करने के लिए मेमेटिक एल्गोरिदम (PDF). Proceedings of the 5th International Conference of the Decision Sciences Institute. Athens, Greece. pp. 1708–1710. S2CID 10797987.
↑ Costa, Daniel (1995). "एक विकासवादी तब्बू खोज एल्गोरिथम और NHL निर्धारण समस्या". INFOR: Information Systems and Operational Research. 33 (3): 161–178. doi:10.1080/03155986.1995.11732279.
↑ Aickelin, U. (1998). जेनेटिक एल्गोरिदम के साथ नर्स रोस्टरिंग. Proceedings of young operational research conference 1998. Guildford, UK. arXiv:1004.2870.
↑ Ozcan, E. (2007). "Memes, Self-generation and Nurse Rostering". स्वचालित समय सारिणी VI का अभ्यास और सिद्धांत. Lecture Notes in Computer Science. Vol. 3867. Springer-Verlag. pp. 85–104. doi:10.1007/978-3-540-77345-0_6. ISBN 978-3-540-77344-3.
↑ Ozcan, E.; Onbasioglu, E. (2007). "समानांतर कोड अनुकूलन के लिए मेमेटिक एल्गोरिदम". International Journal of Parallel Programming. 35 (1): 33–61. doi:10.1007/s10766-006-0026-x. S2CID 15182941.
↑ Burke, E.; Smith, A. (1999). "राष्ट्रीय ग्रिड के लिए नियोजित रखरखाव को शेड्यूल करने के लिए एक मेमेटिक एल्गोरिद्म". Journal of Experimental Algorithmics. 4 (4): 1–13. doi:10.1145/347792.347801. S2CID 17174080.

[1] Poonam Garg (April 2009). "A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm". International Journal of Network Security & Its Applications (IJNSA). 1 (1). arXiv:1004.0574. Bibcode:2010arXiv1004.0574G.

[martial_arts-2] 2.0 ^2.1 Moscato, Pablo (1989), On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, Caltech Concurrent Computation Program, Technical Report 826, Pasadena, CA: California Institute of Technology

[MAs-in-Data-Science-and-Business-Analytics-3] 3.0 ^3.1 Moscato, P.; Mathieson, L. (2019). "Memetic Algorithms for Business Analytics and Data Science: A Brief Survey". Business and Consumer Analytics: New Ideas. Springer. pp. 545–608. doi:10.1007/978-3-030-06222-4_13. ISBN 978-3-030-06221-7. S2CID 173187844.

[MC2010-4] Chen, X. S.; Ong, Y. S.; Lim, M. H. (2010). "Research Frontier: Memetic Computation - Past, Present & Future". IEEE Computational Intelligence Magazine. 5 (2): 24–36. doi:10.1109/mci.2010.936309. hdl:10356/148175. S2CID 17955514.

[5] Wolpert, D.H.; Macready, W.G. (April 1997). "No free lunch theorems for optimization". IEEE Transactions on Evolutionary Computation. 1 (1): 67–82. doi:10.1109/4235.585893. S2CID 5553697.

[WM95-6] Wolpert, D. H.; Macready, W. G. (1995). "No Free Lunch Theorems for Search" (PDF). Technical Report SFI-TR-95-02-010. Santa Fe Institute. S2CID 12890367.

[7] Davis, Lawrence (1991). Handbook of Genetic Algorithms (in English). New York: Van Nostrand Reinhold. ISBN 0-442-00173-8. OCLC 23081440.

[8] Moscato, Pablo (1989), On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, Caltech Concurrent Computation Program, Technical Report 826, Pasadena, CA: California Institute of Technology, pp. 19–20

[9] Krasnogor, Natalio (2002). Studies on the Theory and Design Space of Memetic Algorithms (PhD). Bristol, UK: University of the West of England. p. 23.

[krasnogor1999cga-10] Krasnogor, Natalio (1999). "Coevolution of genes and memes in memetic algorithms". Graduate Student Workshop: 371.

[kendall2002cfa-11] 11.0 ^11.1 Kendall G. and Soubeiga E. and Cowling P. Choice function and random hyperheuristics (PDF). 4th Asia-Pacific Conference on Simulated Evolution and Learning. SEAL 2002. pp. 667–671.

[burke2013-12] Burke E. K.; Gendreau M.; Hyde M.; Kendall G.; Ochoa G.; Ouml; zcan E.; Qu R. (2013). "Hyper-heuristics: A Survey of the State of the Art". Journal of the Operational Research Society. 64 (12): 1695–1724. CiteSeerX 10.1.1.384.9743. doi:10.1057/jors.2013.71. S2CID 3053192.

[ong2004mll-13] Y. S. Ong & A. J. Keane (2004). "Meta-Lamarckian learning in memetic algorithms" (PDF). IEEE Transactions on Evolutionary Computation. 8 (2): 99–110. doi:10.1109/TEVC.2003.819944. S2CID 11003004.

[:0-14] 14.0 ^14.1 ^14.2 Jakob, Wilfried (September 2010). "A general cost-benefit-based adaptation framework for multimeme algorithms". Memetic Computing (in English). 2 (3): 201–218. doi:10.1007/s12293-010-0040-9. ISSN 1865-9284. S2CID 167807.

[ong2006cam-15] 15.0 ^15.1 Ong Y. S. and Lim M. H. and Zhu N. and Wong K. W. (2006). "Classification of Adaptive Memetic Algorithms: A Comparative Study" (PDF). IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics. 36 (1): 141–152. doi:10.1109/TSMCB.2005.856143. hdl:10220/4653. PMID 16468573. S2CID 818688.

[smith2007cma-16] Smith J. E. (2007). "Coevolving Memetic Algorithms: A Review and Progress Report" (PDF). IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics. 37 (1): 6–17. doi:10.1109/TSMCB.2006.883273. PMID 17278554. S2CID 13867280.

[krasnogor2002ttm-17] Krasnogor N. & Gustafson S. (2002). "Toward truly "memetic" memetic algorithms: discussion and proof of concepts". Advances in Nature-Inspired Computation: The PPSN VII Workshops. PEDAL (Parallel Emergent and Distributed Architectures Lab). University of Reading.

[hart1994ago-18] 18.0 ^18.1 ^18.2 Hart, William E. (December 1994). Adaptive Global Optimization with Local Search (PhD). San Diego, CA: University of California. CiteSeerX 10.1.1.473.1370.

[19] Hart, William E.; Krasnogor, Natalio; Smith, Jim E. (September 2004). "Editorial Introduction Special Issue on Memetic Algorithms". Evolutionary Computation (in English). 12 (3): v–vi. doi:10.1162/1063656041775009. ISSN 1063-6560. S2CID 9912363.

[schwefel1995eao-20] Schwefel, Hans-Paul (1995). Evolution and optimum seeking. New York: Wiley. ISBN 0-471-57148-2.

[ku2000sle-21] Ku, K. W. C.; Mak, M. W.; Siu., W. C (2000). "A study of the Lamarckian evolution of recurrent neural networks". IEEE Transactions on Evolutionary Computation. 4 (1): 31–42. doi:10.1109/4235.843493. hdl:10397/289.

[land1998eal-22] Land, M. W. S. (1998). Evolutionary Algorithms with Local Search for Combinatorial Optimization (Thesis). San Diego, CA: University of California. CiteSeerX 10.1.1.55.8986. ISBN 978-0-599-12661-9.

[bambha2004sip-23] Bambha N. K. and Bhattacharyya S. S. and Teich J. and Zitzler E. (2004). "Systematic integration of parameterized local search into evolutionary algorithms". IEEE Transactions on Evolutionary Computation. 8 (2): 137–155. doi:10.1109/TEVC.2004.823471. S2CID 8303351.

[24] Gruau, Frédéric; Whitley, Darrell (September 1993). "Adding Learning to the Cellular Development of Neural Networks: Evolution and the Baldwin Effect". Evolutionary Computation (in English). 1 (3): 213–233. doi:10.1162/evco.1993.1.3.213. ISSN 1063-6560. S2CID 15048360.

[25] Orvosh, David; Davis, Lawrence (1993), Forrest, Stephanie (ed.), "Shall We Repair? Genetic Algorithms, Combinatorial Optimization, and Feasibility Constraints", Conf. Proc. of the 5th Int. Conf. on Genetic Algorithms (ICGA), San Mateo, CA, USA: Morgan Kaufmann, p. 650, ISBN 978-1-55860-299-1, S2CID 10098180

[26] Whitley, Darrell; Gordon, V. Scott; Mathias, Keith (1994), Davidor, Yuval; Schwefel, Hans-Paul; Männer, Reinhard (eds.), "Lamarckian evolution, the Baldwin effect and function optimization", Parallel Problem Solving from Nature — PPSN III, Berlin, Heidelberg: Springer Berlin Heidelberg, vol. 866, pp. 5–15, doi:10.1007/3-540-58484-6_245, ISBN 978-3-540-58484-1, retrieved 2023-02-07

[27] Jakob, Wilfried (September 2010). "A general cost-benefit-based adaptation framework for multimeme algorithms". Memetic Computing. p.207 (in English). 2 (3): 201–218. doi:10.1007/s12293-010-0040-9. ISSN 1865-9284. S2CID 167807.

[training_ANN-28] Ichimura, T.; Kuriyama, Y. (1998). रॉयल रोड फ़ंक्शन का उपयोग करके समांतर हाइब्रिड जीए के साथ तंत्रिका नेटवर्क सीखना. IEEE International Joint Conference on Neural Networks. Vol. 2. New York, NY. pp. 1131–1136. doi:10.1109/IJCNN.1998.685931.

[pattern_recognition-29] Aguilar, J.; Colmenares, A. (1998). "हाइब्रिड जेनेटिक/रैंडम न्यूरल नेटवर्क लर्निंग एल्गोरिथम का उपयोग करके पैटर्न पहचान समस्याओं का समाधान". Pattern Analysis and Pplications. 1 (1): 52–61. doi:10.1007/BF01238026. S2CID 15803359.

[motion_planning-30] Ridao, M.; Riquelme, J.; Camacho, E.; Toro, M. (1998). दो मैनिपुलेटर्स गति की योजना बनाने के लिए एक विकासवादी और स्थानीय खोज एल्गोरिदम. Lecture Notes in Computer Science. Vol. 1416. Springer-Verlag. pp. 105–114. CiteSeerX 10.1.1.324.2668. doi:10.1007/3-540-64574-8_396. ISBN 978-3-540-64574-0.

[beam_orientation-31] Haas, O.; Burnham, K.; Mills, J. (1998). "प्लानर ज्योमेट्री का उपयोग करके रेडियोथेरेपी में बीम ओरिएंटेशन का अनुकूलन". Physics in Medicine and Biology. 43 (8): 2179–2193. Bibcode:1998PMB....43.2179H. doi:10.1088/0031-9155/43/8/013. PMID 9725597. S2CID 250856984.

[circuit_design-32] Harris, S.; Ifeachor, E. (1998). "हाइब्रिड जेनेटिक एल्गोरिथम तकनीकों द्वारा फ़्रीक्वेंसी सैंपलिंग फ़िल्टर का स्वचालित डिज़ाइन". IEEE Transactions on Signal Processing. 46 (12): 3304–3314. Bibcode:1998ITSP...46.3304H. doi:10.1109/78.735305.

[service_restoration-33] Augugliaro, A.; Dusonchet, L.; Riva-Sanseverino, E. (1998). "हाइब्रिड जेनेटिक एल्गोरिथम का उपयोग करके मुआवजा वितरण नेटवर्क में सेवा बहाली". Electric Power Systems Research. 46 (1): 59–66. doi:10.1016/S0378-7796(98)00025-X.

[medical_expert_system-34] Wehrens, R.; Lucasius, C.; Buydens, L.; Kateman, G. (1993). "HIPS, आनुवंशिक एल्गोरिथम का उपयोग करके परमाणु चुंबकीय अनुनाद स्पेक्ट्रम व्याख्या के लिए एक संकर स्व-अनुकूलन विशेषज्ञ प्रणाली". Analytica Chimica Acta. 277 (2): 313–324. doi:10.1016/0003-2670(93)80444-P. hdl:2066/112321. S2CID 53954763.

[single_machine_sched-35] França, P.; Mendes, A.; Moscato, P. (1999). अनुक्रम-निर्भर सेटअप समय के साथ एकल मशीन पर शिथिलता को कम करने के लिए मेमेटिक एल्गोरिदम (PDF). Proceedings of the 5th International Conference of the Decision Sciences Institute. Athens, Greece. pp. 1708–1710. S2CID 10797987.

[nhl_timetabling-36] Costa, Daniel (1995). "एक विकासवादी तब्बू खोज एल्गोरिथम और NHL निर्धारण समस्या". INFOR: Information Systems and Operational Research. 33 (3): 161–178. doi:10.1080/03155986.1995.11732279.

[nurse_rostering-37] Aickelin, U. (1998). जेनेटिक एल्गोरिदम के साथ नर्स रोस्टरिंग. Proceedings of young operational research conference 1998. Guildford, UK. arXiv:1004.2870.

[nurse_rostering_function_opt-38] Ozcan, E. (2007). "Memes, Self-generation and Nurse Rostering". स्वचालित समय सारिणी VI का अभ्यास और सिद्धांत. Lecture Notes in Computer Science. Vol. 3867. Springer-Verlag. pp. 85–104. doi:10.1007/978-3-540-77345-0_6. ISBN 978-3-540-77344-3.

[proc_alloc-39] Ozcan, E.; Onbasioglu, E. (2007). "समानांतर कोड अनुकूलन के लिए मेमेटिक एल्गोरिदम". International Journal of Parallel Programming. 35 (1): 33–61. doi:10.1007/s10766-006-0026-x. S2CID 15182941.

[planned_maintenance-40] Burke, E.; Smith, A. (1999). "राष्ट्रीय ग्रिड के लिए नियोजित रखरखाव को शेड्यूल करने के लिए एक मेमेटिक एल्गोरिद्म". Journal of Experimental Algorithmics. 4 (4): 1–13. doi:10.1145/347792.347801. S2CID 17174080.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]

[31]

[32]

[33]

[34]

[35]

[36]

[37]

[38]

[39]

[40]

@@ Line 1: / Line 1: @@
-{{Evolutionary algorithms}}
+[[कंप्यूटर विज्ञान]] और संचालन अनुसंधान में [[जेनेटिक एल्गोरिद्म|मेमेटिक कलनविधि]] (एमए) पारंपरिक आनुवंशिक कलनविधि (जीए) या अधिक सामान्य विकासवादी कलनविधि (ईए) का विस्तार है। यह [[अनुकूलन समस्या]] के लिए पर्याप्त रूप से अच्छा समाधान प्रदान कर सकता है। यह ईए द्वारा उत्पन्न समाधानों की गुणवत्ता में संशोधन करने और [[समयपूर्व अभिसरण]] की संभावना को कम करने के लिए उपयुक्त [[अनुमानी]] या [[स्थानीय खोज (अनुकूलन)]] विधि का उपयोग करता है।<ref>{{cite journal|title= A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm|author=Poonam Garg |journal=International Journal of Network Security & Its Applications (IJNSA)|volume=1|issue=1|date=April 2009|arxiv= 1004.0574 |bibcode=2010arXiv1004.0574G }}</ref>
-[[कंप्यूटर विज्ञान]] और संचालन अनुसंधान में एक [[जेनेटिक एल्गोरिद्म]] (एमए) पारंपरिक आनुवंशिक एल्गोरिथम (जीए) या अधिक सामान्य विकासवादी एल्गोरिथम (ईए) का एक विस्तार है। यह [[अनुकूलन समस्या]] के लिए पर्याप्त रूप से अच्छा समाधान प्रदान कर सकता है। यह ईए द्वारा उत्पन्न समाधानों की गुणवत्ता में सुधार करने और [[समयपूर्व अभिसरण]] की संभावना को कम करने के लिए एक उपयुक्त [[अनुमानी]] या [[स्थानीय खोज (अनुकूलन)]] तकनीक का उपयोग करता है।<ref>{{cite journal|title= A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm|author=Poonam Garg |journal=International Journal of Network Security & Its Applications (IJNSA)|volume=1|issue=1|date=April 2009|arxiv= 1004.0574 |bibcode=2010arXiv1004.0574G }}</ref>
-मेमेटिक एल्गोरिदम [[विकासवादी संगणना]] में अनुसंधान के हाल के बढ़ते क्षेत्रों में से एक का प्रतिनिधित्व करते हैं। शब्द एमए अब व्यापक रूप से समस्या खोज के लिए अलग-अलग व्यक्तिगत सीखने या स्थानीय सुधार प्रक्रियाओं के साथ विकासवादी या किसी जनसंख्या-आधारित दृष्टिकोण की सहक्रिया के रूप में उपयोग किया जाता है। अक्सर, एमए को साहित्य में बाल्डविनियन विकासवादी एल्गोरिदम (ईएएस), लैमार्कियन ईएएस, सांस्कृतिक एल्गोरिदम या आनुवंशिक स्थानीय खोज के रूप में भी संदर्भित किया जाता है।
+मेमेटिक कलनविधि [[विकासवादी संगणना]] में अनुसंधान के हाल के बढ़ते क्षेत्रों में से एक का प्रतिनिधित्व करते हैं। शब्द एमए अब व्यापक रूप से समस्या खोज के लिए अलग-अलग व्यक्तिगत सीखने या स्थानीय संशोधन प्रक्रियाओं के साथ विकासवादी या किसी जनसंख्या-आधारित दृष्टिकोण की सहक्रिया के रूप में उपयोग किया जाता है। अधिकांशतः, एमए को साहित्य में बाल्डविनियन विकासवादी कलनविधि (ईएएस), लैमार्कियन ईएएस, सांस्कृतिक कलनविधि या आनुवंशिक स्थानीय खोज के रूप में भी संदर्भित किया जाता है।
 == परिचय ==
-प्राकृतिक विकास के डार्विनियन सिद्धांतों और रिचर्ड डॉकिन्स | मेम की डॉकिन्स की धारणा दोनों से प्रेरित होकर, [[MEME]]टिक एल्गोरिथम (एमए) शब्द को [[पाब्लो मोसेटो]] ने अपनी तकनीकी रिपोर्ट में पेश किया था।<ref name="martial_arts">{{citation |last=Moscato |first=Pablo |title=On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms |url=https://www.researchgate.net/publication/2354457 |year=1989 |series=Caltech Concurrent Computation Program, Technical Report 826 |publication-place=Pasadena, CA |publisher=California Institute of Technology}}</ref> 1989 में जहां उन्होंने एमए को जनसंख्या-आधारित हाइब्रिड जेनेटिक एल्गोरिथम (जीए) के रूप में देखा, जो स्थानीय शोधन करने में सक्षम एक व्यक्तिगत सीखने की प्रक्रिया के साथ जुड़ा हुआ था। एक ओर, डार्विनियन विकास के लिए लाक्षणिक समानताएं, और दूसरी ओर, मेम्स और डोमेन विशिष्ट (स्थानीय खोज) अनुमानों के बीच मेमेटिक एल्गोरिदम के भीतर कब्जा कर लिया जाता है, इस प्रकार एक ऐसी पद्धति का प्रतिपादन किया जाता है जो सामान्यता और समस्या विशिष्टता के बीच अच्छी तरह से संतुलन बनाती है। यह दो चरणीय प्रकृति उन्हें दोहरे चरण के विकास का एक विशेष मामला बनाती है।
+प्राकृतिक विकास के डार्विनियन सिद्धांतों और '''रिचर्ड डॉकिन्स,''' मेमे की डॉकिन्स की धारणा दोनों से प्रेरित होकर, [[MEME|मेमेटिक]] कलनविधि (एमए) शब्द को 1989 में [[पाब्लो मोसेटो]] ने अपनी विधि सूची में प्रस्तुत किया था।<ref name="martial_arts">{{citation |last=Moscato |first=Pablo |title=On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms |url=https://www.researchgate.net/publication/2354457 |year=1989 |series=Caltech Concurrent Computation Program, Technical Report 826 |publication-place=Pasadena, CA |publisher=California Institute of Technology}}</ref> '''1989 में''' जहां उन्होंने एमए को जनसंख्या-आधारित हाइब्रिड आनुवंशिक कलनविधि (जीए) के रूप में देखा, जो स्थानीय शोधन करने में सक्षम व्यक्तिगत सीखने की प्रक्रिया के साथ जुड़ा हुआ था। एक ओर, डार्विनियन विकास के लिए लाक्षणिक समानताएं, और दूसरी ओर, मेम्स और डोमेन विशिष्ट (स्थानीय खोज) अनुमानों के बीच मेमेटिक कलनविधि के अंदर अभिग्रहण कर लिया जाता है, इस प्रकार ऐसी पद्धति का प्रतिपादन किया जाता है जो सामान्यता और समस्या विशिष्टता के बीच अच्छी तरह से संतुलन बनाती है। यह दो चरणीय प्रकृति उन्हें दोहरे चरण के विकास का विशेष स्थिति बनाती है।
+जटिल अनुकूलन के संदर्भ में, अनुप्रयोगों की विस्तृत श्रृंखला में मेमेटिक कलनविधि के कई अलग-अलग तात्कालिकता की सूचना दी गई है, सामान्य तौर पर, उनके पारंपरिक विकासवादी समकक्षों की तुलना में उच्च गुणवत्ता वाले समाधानों में अधिक कुशलता से अभिसरण की सूचना दी गई है।<ref name=MAs-in-Data-Science-and-Business-Analytics>{{cite book|author1=Moscato, P. |author2=Mathieson, L. |title = Business and Consumer Analytics: New Ideas|year=2019|publisher=[[Springer Science+Business Media |Springer]] |doi=10.1007/978-3-030-06222-4_13 |pages=545–608 |chapter=Memetic Algorithms for Business Analytics and Data Science: A Brief Survey|isbn=978-3-030-06221-7|s2cid=173187844 }}</ref>
+सामान्य तौर पर, कम्प्यूटेशनल ढांचे के अंदर मेमेटिक्स के विचारों का उपयोग मेमेटिक कंप्यूटिंग या मेमेटिक कम्प्यूटेशन (एमसी) कहा जाता है।<ref name="MC2010">{{cite journal |last1=Chen |first1=X. S. |last2=Ong |first2=Y. S. |last3=Lim |first3=M. H.|year=2010 |title=Research Frontier: Memetic Computation - Past, Present & Future |journal=[[IEEE Computational Intelligence Society#Publications |IEEE Computational Intelligence Magazine]] |volume=5|issue=2|pages=24–36|doi=10.1109/mci.2010.936309|hdl=10356/148175 |s2cid=17955514 }}</ref> एमसी के साथ, सार्वभौमिक डार्विनवाद के लक्षण अधिक उचित रूप से प्राप्त किये गए हैं। इस परिप्रेक्ष्य में देखा जाए तो एमए, एमसी की अधिक विवश धारणा है। अधिक विशेष रूप से, एमए एमसी के क्षेत्र को कवर करता है, विशेष रूप से विकासवादी कलनविधि के क्षेत्रों से निपटने के लिए जो अनुकूलन समस्याओं को समाधान करने के लिए अन्य नियतात्मक शोधन विधियों से मेल खाता है। एमसी ज्ञान-संवर्धित प्रक्रियाओं या अभ्यावेदन की वैचारिक संस्थाओं को कवर करने के लिए मेम्स की धारणा का विस्तार करता है।
-जटिल अनुकूलन के संदर्भ में, #अनुप्रयोगों की एक विस्तृत श्रृंखला में मेमेटिक एल्गोरिदम के कई अलग-अलग तात्कालिकता की सूचना दी गई है, सामान्य रूप से, उनके पारंपरिक विकासवादी समकक्षों की तुलना में उच्च गुणवत्ता वाले समाधानों में अधिक कुशलता से अभिसरण। रेफरी नाम = एमए-इन-डेटा-साइंस-एंड-बिजनेस-एनालिटिक्स>{{cite book|author1=Moscato, P. |author2=Mathieson, L. |title = व्यापार और उपभोक्ता विश्लेषण: नए विचार|year=2019|publisher=[[Springer Science+Business Media |Springer]] |doi=10.1007/978-3-030-06222-4_13 |pages=545–608 |chapter=Memetic Algorithms for Business Analytics and Data Science: A Brief Survey|isbn=978-3-030-06221-7|s2cid=173187844 }}</रेफरी>
-सामान्य तौर पर, एक कम्प्यूटेशनल ढांचे के भीतर मेमेटिक्स के विचारों का उपयोग मेमेटिक कंप्यूटिंग या मेमेटिक कम्प्यूटेशन (एमसी) कहा जाता है।
-रेफरी नाम = एमसी2011>{{cite journal|last1=Chen|first1=X. S. |last2=Ong |first2=Y. S. |last3=Lim |first3=M. H. |last4=Tan |first4=K. C. |year=2011 |title=मेमेटिक संगणना पर एक बहुआयामी सर्वेक्षण|journal=[[IEEE Transactions on Evolutionary Computation]] |volume=15 |issue=5 |pages=591–607 |doi=10.1109/tevc.2011.2132725 |s2cid=17006589 }}</रेफरी><ref name="MC2010">{{cite journal |last1=Chen |first1=X. S. |last2=Ong |first2=Y. S. |last3=Lim |first3=M. H.|year=2010 |title=Research Frontier: Memetic Computation - Past, Present & Future |journal=[[IEEE Computational Intelligence Society#Publications |IEEE Computational Intelligence Magazine]] |volume=5|issue=2|pages=24–36|doi=10.1109/mci.2010.936309|hdl=10356/148175 |s2cid=17955514 }}</ref> एमसी के साथ, सार्वभौमिक डार्विनवाद के लक्षण अधिक उचित रूप से पकड़े गए हैं। इस परिप्रेक्ष्य में देखा जाए तो MA, MC की अधिक विवश धारणा है। अधिक विशेष रूप से, एमए एमसी के एक क्षेत्र को कवर करता है, विशेष रूप से विकासवादी एल्गोरिदम के क्षेत्रों से निपटने के लिए जो अनुकूलन समस्याओं को हल करने के लिए अन्य नियतात्मक शोधन तकनीकों से मेल खाता है। एमसी ज्ञान-संवर्धित प्रक्रियाओं या अभ्यावेदन की वैचारिक संस्थाओं को कवर करने के लिए मेम्स की धारणा का विस्तार करता है।
 == सैद्धांतिक पृष्ठभूमि ==
-खोज और अनुकूलन में कोई निःशुल्क लंच नहीं| अनुकूलन और खोज के नो-फ़्री-लंच प्रमेय<ref>{{Cite journal |last1=Wolpert |first1=D.H. |last2=Macready |first2=W.G. |date=April 1997 |title=No free lunch theorems for optimization |url=https://ieeexplore.ieee.org/document/585893 |journal=IEEE Transactions on Evolutionary Computation |volume=1 |issue=1 |pages=67–82 |doi=10.1109/4235.585893|s2cid=5553697 }}</ref><ref name="WM95">{{cite journal |last1=Wolpert |first1=D. H. |last2=Macready |first2=W. G. |year=1995 |title=No Free Lunch Theorems for Search |url=https://pdfs.semanticscholar.org/8bdf/dc2c2777b395c086810c03a8cdeccc55c4db.pdf |journal=Technical Report SFI-TR-95-02-010 |publisher=Santa Fe Institute |s2cid=12890367}}</ref> बताएं कि सभी अनुकूलन रणनीतियां सभी अनुकूलन समस्याओं के सेट के संबंध में समान रूप से प्रभावी हैं। इसके विपरीत, इसका मतलब यह है कि कोई निम्नलिखित की उम्मीद कर सकता है: एक एल्गोरिथम जितनी अधिक कुशलता से किसी समस्या या समस्याओं के वर्ग को हल करता है, उतना ही कम सामान्य होता है और उतना ही अधिक समस्या-विशिष्ट ज्ञान होता है। यह अंतर्दृष्टि सीधे आवेदन-विशिष्ट तरीकों या अनुमानों के साथ आम तौर पर लागू होने वाले मेटाह्यूरिस्टिक्स को पूरक करने की सिफारिश की ओर ले जाती है,<ref>{{Cite book |last=Davis |first=Lawrence |title=Handbook of Genetic Algorithms |date=1991 |publisher=Van Nostrand Reinhold |isbn=0-442-00173-8 |location=New York |language=en |oclc=23081440}}</ref> जो एमए की अवधारणा के साथ अच्छी तरह फिट बैठता है।
+अनुकूलन और खोज के निःशुल्क-लंच प्रमेय,<ref>{{Cite journal |last1=Wolpert |first1=D.H. |last2=Macready |first2=W.G. |date=April 1997 |title=No free lunch theorems for optimization |url=https://ieeexplore.ieee.org/document/585893 |journal=IEEE Transactions on Evolutionary Computation |volume=1 |issue=1 |pages=67–82 |doi=10.1109/4235.585893|s2cid=5553697 }}</ref><ref name="WM95">{{cite journal |last1=Wolpert |first1=D. H. |last2=Macready |first2=W. G. |year=1995 |title=No Free Lunch Theorems for Search |url=https://pdfs.semanticscholar.org/8bdf/dc2c2777b395c086810c03a8cdeccc55c4db.pdf |journal=Technical Report SFI-TR-95-02-010 |publisher=Santa Fe Institute |s2cid=12890367}}</ref> बताते हैं कि सभी अनुकूलन रणनीतियाँ सभी अनुकूलन समस्याओं के सेट के संबंध में समान रूप से प्रभावी हैं। इसके विपरीत, इसका अर्थ यह है कि कोई निम्नलिखित की आशा कर सकता है: कलनविधि जितनी अधिक कुशलता से किसी समस्या या समस्याओं के वर्ग को समाधान करता है, उतना ही कम सामान्य होता है और उतना ही अधिक समस्या-विशिष्ट ज्ञान होता है। यह अंतर्दृष्टि सीधे आवेदन-विशिष्ट विधियों या अनुमानों के साथ सामान्यतः प्रयुक्त होने वाले मेटाह्यूरिस्टिक्स को पूरक करने की पक्षसमर्थन की ओर ले जाती है,<ref>{{Cite book |last=Davis |first=Lawrence |title=Handbook of Genetic Algorithms |date=1991 |publisher=Van Nostrand Reinhold |isbn=0-442-00173-8 |location=New York |language=en |oclc=23081440}}</ref> जो एमए की अवधारणा के साथ अच्छी तरह ठीक बैठता है।
 == एमए का विकास ==
 === पहली पीढ़ी ===
-पाब्लो मोस्कैटो ने एक एमए की विशेषता इस प्रकार दी है: मेमेटिक एल्गोरिदम जनसंख्या-आधारित वैश्विक खोज और प्रत्येक व्यक्ति द्वारा की गई अनुमानी स्थानीय खोज के बीच एक विवाह है। ... स्थानीय खोज करने के लिए तंत्र एक स्थानीय इष्टतम तक पहुंचने या एक पूर्व निर्धारित स्तर तक (उद्देश्य लागत समारोह के संबंध में) सुधार करने के लिए हो सकता है। और उन्होंने जोर दिया कि मैं एमए को आनुवंशिक प्रतिनिधित्व के लिए विवश नहीं कर रहा हूं। .<ref>{{citation |last=Moscato |first=Pablo |title=On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms |url=https://www.researchgate.net/publication/2354457 |volume= |pages=19–20 |year=1989 |series=Caltech Concurrent Computation Program, Technical Report 826 |edition= |publication-place=Pasadena, CA |publisher=California Institute of Technology}}</ref> एमए की यह मूल परिभाषा हालांकि खोज चक्र में सांस्कृतिक विकास (स्थानीय शोधन के रूप में) की विशेषताओं को शामिल करती है, यह [[सार्वभौमिक डार्विनवाद]] के अनुसार एक वास्तविक विकसित प्रणाली के रूप में योग्य नहीं हो सकती है, क्योंकि वंशानुक्रम / मेमेटिक ट्रांसमिशन, भिन्नता के सभी मूल सिद्धांत , और चयन गायब हैं। इससे पता चलता है कि एमए शब्द ने पहली बार पेश किए जाने पर शोधकर्ताओं के बीच आलोचनाओं और विवादों को क्यों छेड़ा।<ref name="martial_arts" />निम्नलिखित छद्म कोड एमए की इस सामान्य परिभाषा के अनुरूप होगा:
+पाब्लो मोस्कैटो ने एमए की विशेषता इस प्रकार दी है: मेमेटिक कलनविधि जनसंख्या-आधारित वैश्विक खोज और प्रत्येक व्यक्ति द्वारा की गई अनुमानी स्थानीय खोज के बीच विवाह है। स्थानीय खोज करने के लिए तंत्र स्थानीय इष्टतम तक पहुंचने के लिए हो सकता है या पूर्व निर्धारित स्तर तक (उद्देश्य व्यय समारोह के संबंध में) संशोधन करने के लिए हो सकता है। और उन्होंने ध्यान दिया कि, "मैं एमए को आनुवंशिक प्रतिनिधित्व के लिए विवश नहीं कर रहा हूं।"<ref>{{citation |last=Moscato |first=Pablo |title=On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms |url=https://www.researchgate.net/publication/2354457 |volume= |pages=19–20 |year=1989 |series=Caltech Concurrent Computation Program, Technical Report 826 |edition= |publication-place=Pasadena, CA |publisher=California Institute of Technology}}</ref> एमए की यह मूल परिभाषा चूंकि खोज चक्र में सांस्कृतिक विकास (स्थानीय शोधन के रूप में) की विशेषताओं को सम्मिलित करती है, यह [[सार्वभौमिक डार्विनवाद]] के अनुसार वास्तविक विकसित प्रणाली के रूप में योग्य नहीं हो सकती है, क्योंकि वंशानुक्रम / मेमेटिक संचरण, भिन्नता के सभी मूल सिद्धांत, और चयन लुप्त हैं। इससे पता चलता है कि एमए शब्द ने पहली बार प्रस्तुत किए जाने पर शोधकर्ताओं के बीच आलोचनाओं और विवादों को क्यों छेड़ा।<ref name="martial_arts" /> निम्नलिखित छद्म कोड एमए की इस सामान्य परिभाषा के अनुरूप होगा:
 छद्म कोड:
-     प्रक्रिया मेमेटिक एल्गोरिथम
+     '''Procedure''' Memetic Algorithm
-    प्रारंभ करें: एक प्रारंभिक जनसंख्या उत्पन्न करें, व्यक्तियों का मूल्यांकन करें और उन्हें एक गुणवत्ता मान प्रदान करें;
-    जबकि रुकने की स्थिति संतुष्ट नहीं है
-        स्टोचैस्टिक सर्च ऑपरेटरों का उपयोग करके एक नई आबादी का विकास करें।
-        जनसंख्या में सभी व्यक्तियों का ''मूल्यांकन'' करें और उन्हें एक गुणवत्ता मान प्रदान करें।
-{{nowrap|''Select'' the subset of individuals, <math>\Omega_{il}</math>}}, जिसे व्यक्तिगत सुधार प्रक्रिया से गुजरना चाहिए।
-{{nowrap|'''for''' each individual in <math>\Omega_{il}</math> '''do'''}}
-मेम्स का उपयोग करके व्यक्तिगत शिक्षण करें) {{nowrap|with frequency or probability of <math>f_{il}</math>}}, {{nowrap|with an intensity of <math>t_{il}</math>.}}
-लैमार्कियन या बाल्डविनियन सीखने के साथ आगे बढ़ें।
-        'के लिए अंत'
-    'अंत जबकि'
-इस संदर्भ में [[लैमार्कवाद]] का अर्थ है व्यक्तिगत सीखने के चरण द्वारा प्राप्त बेहतर समाधान के अनुसार क्रोमोसोम को अपडेट करना, जबकि [[बाल्डविन प्रभाव]] क्रोमोसोम को अपरिवर्तित छोड़ देता है और केवल बेहतर फिटनेस का उपयोग करता है। यह छद्म कोड खुला छोड़ देता है कि कौन से कदम व्यक्तियों की फिटनेस पर आधारित हैं और कौन से नहीं हैं। प्रश्न में नई आबादी का विकास और चयन है <math>\Omega_{il}</math>.
+    '''Initialize:''' Generate an initial population, evaluate the individuals and assign a quality value to them;
+    '''while''' Stopping conditions are not satisfied '''do'''
+        ''Evolve'' a new population using stochastic search operators.
+        ''Evaluate'' all individuals in the population and assign a quality value to them.
+        {{nowrap|''Select'' the subset of individuals, <math>\Omega_{il}</math>}}, that should undergo the individual improvement procedure.
+        {{nowrap|'''for''' each individual in <math>\Omega_{il}</math> '''do'''}}
+            ''Perform'' individual learning using meme(s) {{nowrap|with frequency or probability of <math>f_{il}</math>}}, {{nowrap|with an intensity of <math>t_{il}</math>.}}
+            ''Proceed'' with Lamarckian or Baldwinian learning.
+        '''end for'''
+    '''end while'''
+इस संदर्भ में [[लैमार्कवाद]] का अर्थ है व्यक्तिगत सीखने के चरण द्वारा प्राप्त उत्तम समाधान के अनुसार क्रोमोसोम को अपडेट करना, जबकि [[बाल्डविन प्रभाव|बाल्डविनियन प्रभाव]] क्रोमोसोम को अपरिवर्तित छोड़ देता है और केवल उत्तम उपयुक्तता का उपयोग करता है। यह छद्म कोड खुला छोड़ देता है कि कौन से कदम व्यक्तियों की उपयुक्तता पर आधारित हैं और कौन से नहीं हैं। प्रश्न में नई जनसंख्या का विकास और <math>\Omega_{il}</math> चयन है।
 चूंकि अधिकांश एमए कार्यान्वयन ईएएस पर आधारित होते हैं, पहली पीढ़ी के संबंधित प्रतिनिधि का छद्म कोड भी यहां दिया गया है, क्रास्नोगोर के बाद:<ref>{{cite thesis |last=Krasnogor |first=Natalio |date=2002 |title=Studies on the Theory and Design Space of Memetic Algorithms |type=PhD |publisher=University of the West of England |place=Bristol, UK |url=https://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.249135 |page=23 }}</ref>
 ; छद्म कोड
-     ईए पर आधारित प्रक्रिया मेमेटिक एल्गोरिथम
+     '''Procedure''' Memetic Algorithm Based on an EA
-     ''इनिशियलाइज़ेशन:'' <math>t=0</math>;
-                     बेतरतीब ढंग से एक प्रारंभिक आबादी उत्पन्न करें <math>P(t)</math>;
+     ''Initialization: <math>t = 0</math>;''
-     जबकि रुकने की स्थिति संतुष्ट नहीं है
+                     randomly generate an initial population '''''P(t)''''';
-         ''मूल्यांकन:'' फिटनेस की गणना करें <math>f(p) \ \ \forall p\in P(t)</math>;
+     '''while''' Stopping conditions are not satisfied '''do'''
-{{nowrap|''Selection:'' Accordingly to <math>f(p)</math> choose a subset of <math>P(t)</math> and store it in <math>M(t)</math>;}}
+         {{nowrap|''Evaluation:'' Compute the fitness <math>f(p) \ \ \forall p\in P(t)</math>;}}
+        {{nowrap|''Selection:'' Accordingly to <math>f(p)</math> choose a subset of <math>P(t)</math> and store it in <math>M(t)</math>;}}
          {{nowrap|''Offspring:'' Recombine and mutate individuals <math>p \in M(t)</math> and store them in <math>M'(t)</math>;}}
          {{nowrap|''Learning:'' Improve <math>p'</math> by loacal search or heuristic <math>\forall p' \in M'(t)</math>}};
-{{nowrap|''Evaluation:'' Compute the fitness <math>f(p') \ \ \forall p'\in M'(t)</math>;}}
+        {{nowrap|''Evaluation:'' Compute the fitness <math>f(p') \ \ \forall p'\in M'(t)</math>;}}
-अगर लैमार्कियन सीख रहे हैं
+        '''if''' Lamarckian learning '''then'''
-{{nowrap|''Update'' chromosome of <math>p'</math> according to improvement <math>\forall p' \in M'(t)</math>;}}
+           {{nowrap|''Update'' chromosome of <math>p'</math> according to improvement <math>\forall p' \in M'(t)</math>;}}
-फाई
+        '''fi'''
-         ''नई पीढ़ी:'' {{nowrap|Generate <math>P(t+1)</math> by selecting some individuals from <math>P(t)</math> and <math>M'(t)</math>;}}
+         ''New generation:'' {{nowrap|Generate <math>P(t+1)</math> by selecting some individuals from <math>P(t)</math> and <math>M'(t)</math>;}}
-        <math>t = t + 1</math>;
+       <math>t = t + 1</math>;
-     जबकि समाप्त करें
+     '''end while'''
-     ''वापसी'' सर्वश्रेष्ठ व्यक्ति <math>p\in P(t-1)</math> परिणाम के रूप में;
+     ''Return'' best individual <math>p\in P(t-1)</math> as result;
 इस एमए योजना के लिए कुछ विकल्प हैं। उदाहरण के लिए:
-* सभी या कुछ प्रारंभिक व्यक्तियों को मीम द्वारा सुधारा जा सकता है।
+* सभी या कुछ प्रारंभिक व्यक्तियों को मेमे द्वारा संशोधन किया जा सकता है।
-* संतान के स्थान पर माता-पिता का स्थानीय सुधार हो सकता है।
+* वंश के स्थान पर मूल का स्थानीय संशोधन हो सकता है।
-* सभी संतानों के बजाय, केवल एक बेतरतीब ढंग से चयनित या फिटनेस पर निर्भर अंश में स्थानीय सुधार हो सकता है।
+* सभी वंशों के अतिरिक्त, केवल अनियमित ढंग से चयनित या उपयुक्तता पर निर्भर अंश में स्थानीय संशोधन हो सकता है।
 === दूसरी पीढ़ी ===
-बहु-मेम,<ref name="krasnogor1999cga">{{cite journal |author=Krasnogor |first=Natalio |year=1999 |title=Coevolution of genes and memes in memetic algorithms |url=https://www.researchgate.net/publication/2468537 |journal=Graduate Student Workshop |pages=371}}
+बहु-मेमे,<ref name="krasnogor1999cga">{{cite journal |author=Krasnogor |first=Natalio |year=1999 |title=Coevolution of genes and memes in memetic algorithms |url=https://www.researchgate.net/publication/2468537 |journal=Graduate Student Workshop |pages=371}}
-</ref> [[अति अनुमानी]]<ref name=kendall2002cfa>{{cite conference|author=Kendall G. and Soubeiga E. and Cowling P.|title=Choice function and random hyperheuristics|conference=4th Asia-Pacific Conference on Simulated Evolution and Learning. SEAL 2002|pages=667–671|url=http://www.cs.nott.ac.uk/~pszgxk/aim/2008/coursework/paper4.pdf}}</ref><ref name=burke2013>{{cite journal|author1=Burke E. K. |author2=Gendreau M. |author3=Hyde M. |author4=Kendall G. |author5=Ochoa G. |author6=Ouml |author7=zcan E. |author8=Qu R. |title=Hyper-heuristics: A Survey of the State of the Art |journal=Journal of the Operational Research Society |year=2013 |volume=64 |pages=1695–1724 |issue=12 |doi=10.1057/jors.2013.71|citeseerx=10.1.1.384.9743|s2cid=3053192 }}</ref> और मेटा-लैमार्कियन एमए<ref name=ong2004mll>{{cite journal|author1=Y. S. Ong |author2=A. J. Keane |name-list-style=amp |title=Meta-Lamarckian learning in memetic algorithms|journal=IEEE Transactions on Evolutionary Computation |year=2004 |volume=8 |pages=99–110 |doi=10.1109/TEVC.2003.819944|issue=2|s2cid=11003004 |url=https://eprints.soton.ac.uk/22794/1/ong_04.pdf }}</ref><ref name=":0">{{Cite journal |last=Jakob |first=Wilfried |date=September 2010 |title=A general cost-benefit-based adaptation framework for multimeme algorithms |url=http://link.springer.com/10.1007/s12293-010-0040-9 |journal=Memetic Computing |language=en |volume=2 |issue=3 |pages=201–218 |doi=10.1007/s12293-010-0040-9 |s2cid=167807 |issn=1865-9284}}</ref> मेमेटिक ट्रांसमिशन और उनके डिजाइन में चयन के सिद्धांतों को प्रदर्शित करने वाली दूसरी पीढ़ी के एमए के रूप में जाना जाता है। मल्टी-मेमे एमए में मेमेटिक सामग्री को [[जीनोटाइप]] के हिस्से के रूप में एन्कोड किया गया है। इसके बाद, प्रत्येक संबंधित व्यक्ति/गुणसूत्र के डिकोडेड मेम का उपयोग स्थानीय शोधन करने के लिए किया जाता है। मेमेटिक सामग्री को माता-पिता से संतानों तक एक सरल विरासत तंत्र के माध्यम से प्रेषित किया जाता है। दूसरी ओर, हाइपर-हेयुरिस्टिक और मेटा-लैमार्कियन एमए में, पूल
+</ref> [[अति अनुमानी]]<ref name=kendall2002cfa>{{cite conference|author=Kendall G. and Soubeiga E. and Cowling P.|title=Choice function and random hyperheuristics|conference=4th Asia-Pacific Conference on Simulated Evolution and Learning. SEAL 2002|pages=667–671|url=http://www.cs.nott.ac.uk/~pszgxk/aim/2008/coursework/paper4.pdf}}</ref><ref name=burke2013>{{cite journal|author1=Burke E. K. |author2=Gendreau M. |author3=Hyde M. |author4=Kendall G. |author5=Ochoa G. |author6=Ouml |author7=zcan E. |author8=Qu R. |title=Hyper-heuristics: A Survey of the State of the Art |journal=Journal of the Operational Research Society |year=2013 |volume=64 |pages=1695–1724 |issue=12 |doi=10.1057/jors.2013.71|citeseerx=10.1.1.384.9743|s2cid=3053192 }}</ref> और मेटा-लैमार्कियन एमए<ref name=ong2004mll>{{cite journal|author1=Y. S. Ong |author2=A. J. Keane |name-list-style=amp |title=Meta-Lamarckian learning in memetic algorithms|journal=IEEE Transactions on Evolutionary Computation |year=2004 |volume=8 |pages=99–110 |doi=10.1109/TEVC.2003.819944|issue=2|s2cid=11003004 |url=https://eprints.soton.ac.uk/22794/1/ong_04.pdf }}</ref><ref name=":0">{{Cite journal |last=Jakob |first=Wilfried |date=September 2010 |title=A general cost-benefit-based adaptation framework for multimeme algorithms |url=http://link.springer.com/10.1007/s12293-010-0040-9 |journal=Memetic Computing |language=en |volume=2 |issue=3 |pages=201–218 |doi=10.1007/s12293-010-0040-9 |s2cid=167807 |issn=1865-9284}}</ref> मेमेटिक संचरण और उनके डिजाइन में चयन के सिद्धांतों को प्रदर्शित करने वाली दूसरी पीढ़ी के एमए के रूप में जाना जाता है। बहु-मेमे एमए में मेमेटिक सामग्री को [[जीनोटाइप]] के हिस्से के रूप में कूटलेखन किया गया है। इसके बाद, प्रत्येक संबंधित व्यक्ति/गुणसूत्र के डिकोडेड मेमे का उपयोग स्थानीय शोधन करने के लिए किया जाता है। मेमेटिक सामग्री को मूल से वंशों तक सरल विरासत तंत्र के माध्यम से प्रेषित किया जाता है। दूसरी ओर, हाइपर-हेयुरिस्टिक और मेटा-लैमार्कियन एमए में, माना जाने वाला प्रत्याशी मेमों का पूल प्रतिस्पर्धा करेगा, पुरस्कार तंत्र के माध्यम से स्थानीय संशोधनों को उत्पन्न करने में उनकी पिछली योग्यताओं के आधार पर, भविष्य के स्थानीय के लिए आगे बढ़ने के लिए किस मेमे का चयन किया जाना है। जिन आशावारों पर विचार किया गया है, वे पुरस्कार तंत्र के माध्यम से स्थानीय संशोधनों को उत्पन्न करने में उनकी पिछली योग्यताओं के आधार पर प्रतिस्पर्धा करेंगे, यह तय करते हुए कि भविष्य के स्थानीय शोधन के लिए किस मेमे का चयन किया जाए।'''<ref name="ong2006cam">{{cite journal|author=Ong Y. S. and Lim M. H. and Zhu N. and Wong K. W.|title=Classification of Adaptive Memetic Algorithms: A Comparative Study|journal=IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics|year=2006|volume=36|pages=141–152|doi=10.1109/TSMCB.2005.856143|pmid=16468573|issue=1|hdl=10220/4653 |s2cid=818688|url=http://researchrepository.murdoch.edu.au/982/1/Published_Version.pdf}}</ref>'''
-जिन उम्मीदवारों पर विचार किया गया है, वे एक इनाम तंत्र के माध्यम से स्थानीय सुधारों को उत्पन्न करने में उनकी पिछली योग्यताओं के आधार पर प्रतिस्पर्धा करेंगे, यह तय करते हुए कि भविष्य के स्थानीय शोधन के लिए किस मेम का चयन किया जाए। अधिक इनाम वाले मेमों के उपयोग को जारी रखने की अधिक संभावना है। दूसरी पीढ़ी के एमए पर समीक्षा के लिए; यानी, एमए एक विकासवादी प्रणाली के भीतर कई अलग-अलग सीखने के तरीकों पर विचार करते हुए, पाठक को संदर्भित किया जाता है।<ref name=ong2006cam>{{cite journal|author=Ong Y. S. and Lim M. H. and Zhu N. and Wong K. W.|title=Classification of Adaptive Memetic Algorithms: A Comparative Study|journal=IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics|year=2006|volume=36|pages=141–152|doi=10.1109/TSMCB.2005.856143|pmid=16468573|issue=1|hdl=10220/4653 |s2cid=818688|url=http://researchrepository.murdoch.edu.au/982/1/Published_Version.pdf}}</ref>
+=== तीसरी पीढ़ी ===
+सह विकास<ref name=smith2007cma>{{cite journal|author=Smith J. E.|title=Coevolving Memetic Algorithms: A Review and Progress Report|journal=IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics |year=2007 |volume=37|pages=6–17|doi=10.1109/TSMCB.2006.883273|pmid=17278554|issue=1|s2cid=13867280|url=http://eprints.uwe.ac.uk/18169/1/18169.pdf}}</ref> और स्व-उत्पादक एमए<ref name=krasnogor2002ttm>{{cite journal|author1=Krasnogor N.  |author2=Gustafson S. |name-list-style=amp |title=Toward truly "memetic" memetic algorithms: discussion and proof of concepts|journal=Advances in Nature-Inspired Computation: The PPSN VII Workshops. PEDAL (Parallel Emergent and Distributed Architectures Lab). University of Reading|year=2002}}</ref> तीसरी पीढ़ी के एमए के रूप में माना जा सकता है जहां मूलभूत विकसित प्रणाली की परिभाषाओं को संतुष्ट करने वाले सभी तीन सिद्धांतों पर विचार किया गया है। दूसरी पीढ़ी के एमए के विपरीत, जो मानता है कि उपयोग किए जाने वाले मेमे प्राथमिकता के रूप में जाने जाते हैं, तीसरी पीढ़ी एमए विकासवादी प्रणाली के अंदर आशावार समाधान के पूरक के लिए नियम-आधारित स्थानीय खोज का उपयोग करती है, इस प्रकार समस्या स्थान में नियमित रूप से दोहराई जाने वाली विशेषताओं या प्रतिरूप को कैप्चर करती है।
+== कुछ डिज़ाइन टिप्पणियाँ ==
+उपयोग की जाने वाली सीखने की विधि मेमे का संशोधन परिणामों पर महत्वपूर्ण प्रभाव पड़ता है, इसलिए किसी विशेष अनुकूलन समस्या के लिए किस मेमे का उपयोग करना है, यह तय करने में सावधानी अपनानी चाहिए।<ref name="kendall2002cfa" /><ref name="ong2006cam" /><ref name="hart1994ago" /> किसी दिए गए निश्चित सीमित कम्प्यूटेशनल बजट के लिए व्यक्तिगत सीखने की आवृत्ति और तीव्रता सीधे एमए खोज में व्यक्तिगत सीखने (शोषण) के विरुद्ध विकास (अन्वेषण) की डिग्री को परिभाषित करती है। स्पष्ट रूप से, अधिक गहन व्यक्तिगत शिक्षा स्थानीय अनुकूलता में अभिसरण का अधिक अवसर प्रदान करती है लेकिन विकास की मात्रा को सीमित करती है जिसे अत्यधिक कम्प्यूटेशनल संसाधनों के बिना व्यय किया जा सकता है। इसलिए, अधिकतम खोज प्रदर्शन प्राप्त करने के लिए उपलब्ध कम्प्यूटेशनल बजट को संतुलित करने के लिए इन दो मापदंडों को सेट करते समय सावधानी अपनानी चाहिए। जब जनसंख्या का केवल एक हिस्सा सीखने से निकलता है, तो एमए खोज की उपयोगिता को अधिकतम करने के लिए व्यक्तियों के किस सबसेट को संशोधनने की आवश्यकता पर विचार किया जाना चाहिए। अंतिम लेकिन कम से कम, यह तय करना होगा कि संबंधित व्यक्ति को सीखने की सफलता (लैमार्कियन लर्निंग) द्वारा बदला जाना चाहिए या नहीं बदला जाना चाहिए। इस प्रकार, निम्नलिखित पाँच डिज़ाइन प्रश्न<ref name=":0" /><ref name="hart1994ago" /><ref>{{Cite journal |last1=Hart |first1=William E. |last2=Krasnogor |first2=Natalio |last3=Smith |first3=Jim E. |date=September 2004 |title=Editorial Introduction Special Issue on Memetic Algorithms |url=https://direct.mit.edu/evco/article/12/3/v-vi/1185 |journal=Evolutionary Computation |language=en |volume=12 |issue=3 |pages=v–vi |doi=10.1162/1063656041775009 |s2cid=9912363 |issn=1063-6560}}</ref> उत्तर दिया जाना चाहिए, जिनमें से पहली को एमए रन के समय उपरोक्त दूसरी पीढ़ी के सभी प्रतिनिधियों द्वारा संबोधित किया जाता है, जबकि मेटा-लैमार्कियन सीखने का विस्तारित रूप <ref name=":0" />इसे पहले चार डिज़ाइन निर्णयों तक विस्तारित करता है।
-=== तीसरी पीढ़ी ===
+'''किसी विशेष समस्या या व्यक्ति के लिए उपयोग की जाने वाली व्यक्तिगत सीखने की विधि या मेमे का चयन'''
-सह विकास<ref name=smith2007cma>{{cite journal|author=Smith J. E.|title=Coevolving Memetic Algorithms: A Review and Progress Report|journal=IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics |year=2007 |volume=37|pages=6–17|doi=10.1109/TSMCB.2006.883273|pmid=17278554|issue=1|s2cid=13867280|url=http://eprints.uwe.ac.uk/18169/1/18169.pdf}}</ref> और स्व-उत्पादक एमए<ref name=krasnogor2002ttm>{{cite journal|author1=Krasnogor N.  |author2=Gustafson S. |name-list-style=amp |title=Toward truly "memetic" memetic algorithms: discussion and proof of concepts|journal=Advances in Nature-Inspired Computation: The PPSN VII Workshops. PEDAL (Parallel Emergent and Distributed Architectures Lab). University of Reading|year=2002}}</ref> तीसरी पीढ़ी के एमए के रूप में माना जा सकता है जहां बुनियादी विकसित प्रणाली की परिभाषाओं को संतुष्ट करने वाले सभी तीन सिद्धांतों पर विचार किया गया है। दूसरी पीढ़ी के एमए के विपरीत, जो मानता है कि उपयोग किए जाने वाले मेम एक प्राथमिकता के रूप में जाने जाते हैं, तीसरी पीढ़ी एमए विकासवादी प्रणाली के भीतर उम्मीदवार समाधान के पूरक के लिए नियम-आधारित स्थानीय खोज का उपयोग करती है, इस प्रकार समस्या स्थान में नियमित रूप से दोहराई जाने वाली विशेषताओं या पैटर्न को कैप्चर करती है।
+निरंतर अनुकूलन के संदर्भ में, व्यक्तिगत शिक्षा स्थानीय अनुमान या पारंपरिक स्पष्ट गणनात्मक विधियों के रूप में उपस्थित है।<ref name="schwefel1995eao">{{cite book |author=Schwefel |first=Hans-Paul |title=Evolution and optimum seeking |publisher=Wiley |year=1995 |isbn=0-471-57148-2 |location=New York}}</ref> व्यक्तिगत सीखने की रणनीतियों के उदाहरणों में पहाड़ी पर चढ़ना, सिम्पलेक्स विधि, न्यूटन/क्वासी-न्यूटन विधि, [[आंतरिक बिंदु विधि|आंतरिक बिंदु विधियाँ]], [[संयुग्मी ढाल विधि]], रेखा खोज और अन्य स्थानीय अनुमान सम्मिलित हैं। ध्यान दें कि अधिकांश सामान्य व्यक्तिगत सीखने की विधियां नियतात्मक हैं।
-== कुछ डिज़ाइन नोट्स ==
+संयोजी अनुकूलन में, दूसरी ओर, अलग-अलग सीखने की विधियां सामान्यतः ह्यूरिस्टिक्स (जो नियतात्मक या प्रसंभाव्य हो सकते हैं) के रूप में उपस्थित होते हैं जो कि ब्याज की विशिष्ट समस्या के अनुरूप होते हैं। विशिष्ट अनुमानी प्रक्रियाओं और योजनाओं में के-जीन का आदान प्रदान, एज का आदान प्रदान, प्रथम-संशोधन, और कई अन्य सम्मिलित हैं।
-उपयोग की जाने वाली सीखने की विधि/मीम का सुधार परिणामों पर महत्वपूर्ण प्रभाव पड़ता है, इसलिए किसी विशेष अनुकूलन समस्या के लिए किस मेम या मेम का उपयोग करना है, यह तय करने में सावधानी बरतनी चाहिए।<ref name="kendall2002cfa" /><ref name="ong2006cam" /><ref name="hart1994ago" />किसी दिए गए निश्चित सीमित कम्प्यूटेशनल बजट के लिए व्यक्तिगत सीखने की आवृत्ति और तीव्रता सीधे एमए खोज में व्यक्तिगत सीखने (शोषण) के खिलाफ विकास (अन्वेषण) की डिग्री को परिभाषित करती है। स्पष्ट रूप से, एक अधिक गहन व्यक्तिगत शिक्षा स्थानीय ऑप्टिमा में अभिसरण का अधिक अवसर प्रदान करती है लेकिन विकास की मात्रा को सीमित करती है जिसे अत्यधिक कम्प्यूटेशनल संसाधनों के बिना खर्च किया जा सकता है। इसलिए, अधिकतम खोज प्रदर्शन प्राप्त करने के लिए उपलब्ध कम्प्यूटेशनल बजट को संतुलित करने के लिए इन दो मापदंडों को सेट करते समय सावधानी बरतनी चाहिए। जब आबादी का केवल एक हिस्सा सीखने से गुजरता है, तो एमए खोज की उपयोगिता को अधिकतम करने के लिए व्यक्तियों के किस सबसेट को सुधारने की आवश्यकता पर विचार किया जाना चाहिए। अंतिम लेकिन कम से कम, यह तय करना होगा कि संबंधित व्यक्ति को सीखने की सफलता (लैमार्कियन लर्निंग) द्वारा बदला जाना चाहिए या नहीं (बाल्डविनियन लर्निंग)। इस प्रकार, निम्नलिखित पाँच डिज़ाइन प्रश्न<ref name=":0" /><ref name="hart1994ago" /><ref>{{Cite journal |last1=Hart |first1=William E. |last2=Krasnogor |first2=Natalio |last3=Smith |first3=Jim E. |date=September 2004 |title=Editorial Introduction Special Issue on Memetic Algorithms |url=https://direct.mit.edu/evco/article/12/3/v-vi/1185 |journal=Evolutionary Computation |language=en |volume=12 |issue=3 |pages=v–vi |doi=10.1162/1063656041775009 |s2cid=9912363 |issn=1063-6560}}</ref> उत्तर दिया जाना चाहिए, जिनमें से पहली को एमए रन के दौरान उपरोक्त दूसरी पीढ़ी के सभी प्रतिनिधियों द्वारा संबोधित किया जाता है, जबकि मेटा-लैमार्कियन सीखने का विस्तारित रूप <ref name=":0" />इसे पहले चार डिज़ाइन निर्णयों तक विस्तारित करता है।
-=== किसी विशेष समस्या या व्यक्ति === के लिए उपयोग की जाने वाली एक व्यक्तिगत सीखने की विधि या मेम का चयन
+=== व्यक्तिगत सीखने की आवृत्ति का निर्धारण ===
-निरंतर अनुकूलन के संदर्भ में, व्यक्तिगत शिक्षा स्थानीय अनुमान या पारंपरिक सटीक गणनात्मक तरीकों के रूप में मौजूद है।<ref name="schwefel1995eao">{{cite book |author=Schwefel |first=Hans-Paul |title=Evolution and optimum seeking |publisher=Wiley |year=1995 |isbn=0-471-57148-2 |location=New York}}</ref> व्यक्तिगत सीखने की रणनीतियों के उदाहरणों में पहाड़ी पर चढ़ना, सिम्पलेक्स विधि, न्यूटन/क्वासी-न्यूटन विधि, [[आंतरिक बिंदु विधि]]याँ, [[संयुग्मी ढाल विधि]], रेखा खोज और अन्य स्थानीय अनुमान शामिल हैं। ध्यान दें कि अधिकांश आम व्यक्तिगत सीखने के तरीके नियतात्मक हैं।
+मेमेटिक कलनविधि डिजाइन के लिए प्रासंगिक पहले उद्देश्यों में से यह विचार करना है कि व्यक्तिगत सीखने को कितनी बार प्रयुक्त किया जाना चाहिए; अर्थात, व्यक्तिगत सीखने की आवृत्ति। एक स्थिति में,<ref name="hart1994ago">{{cite thesis |first=William E. |last=Hart |title=Adaptive Global Optimization with Local Search |type=PhD |publisher=University of California |citeseerx=10.1.1.473.1370 |date=December 1994 |place=San Diego, CA |url=https://dl.acm.org/doi/10.5555/221524}}</ref> एमए खोज प्रदर्शन पर व्यक्तिगत सीखने की आवृत्ति के प्रभाव पर विचार किया गया जहां एमए खोज के विभिन्न चरणों में व्यक्तिगत सीखने की आवृत्ति के विभिन्न विन्यासों की जांच की गई। इसके विपरीत, इसे कहीं और दिखाया गया था<ref name="ku2000sle">{{cite journal |author=Ku |first=K. W. C. |last2=Mak |first2=M. W. |last3=Siu. |first3=W. C |year=2000 |title=A study of the Lamarckian evolution of recurrent neural networks |journal=IEEE Transactions on Evolutionary Computation |volume=4 |issue=1 |pages=31–42 |doi=10.1109/4235.843493 |hdl-access=free |hdl=10397/289}}</ref> यदि व्यक्तिगत सीखने की कम्प्यूटेशनल जटिलता अपेक्षाकृत कम है तो प्रत्येक व्यक्ति पर व्यक्तिगत सीखने को प्रयुक्त करना सार्थक हो सकता है।
-संयोजी अनुकूलन में, दूसरी ओर, अलग-अलग सीखने के तरीके आमतौर पर ह्यूरिस्टिक्स (जो नियतात्मक या स्टोचैस्टिक हो सकते हैं) के रूप में मौजूद होते हैं जो कि ब्याज की एक विशिष्ट समस्या के अनुरूप होते हैं। विशिष्ट अनुमानी प्रक्रियाओं और योजनाओं में के-जीन एक्सचेंज, एज एक्सचेंज, प्रथम-सुधार, और कई अन्य शामिल हैं।
+=== व्यक्तियों का चयन जिस पर व्यक्तिगत शिक्षा प्रयुक्त होती है ===
+ईए जनसंख्या के बीच उपयुक्त व्यक्तियों का चयन करने के उद्देश्य पर, भूमि के साथ निरंतर प्राचलिक खोज समस्याओं में गुणसूत्रों की जनसंख्या पर व्यक्तिगत सीखने को प्रयुक्त करने की संभावना को अपनाने के लिए उपयुक्तता-आधारित और वितरण-आधारित रणनीतियों का अध्ययन किया गया था।<ref name="land1998eal">{{cite thesis |author=Land |first=M. W. S. |year=1998 |title=Evolutionary Algorithms with Local Search for Combinatorial Optimization |publisher=University of California |place=San Diego, CA |isbn=978-0-599-12661-9 |citeseerx=10.1.1.55.8986}}</ref> संयोजी अनुकूलन समस्याओं के लिए कार्य का विस्तार करना। बंभा एट अल ने, अधिकतम समाधान गुणवत्ता प्राप्त करने के लिए विकासवादी कलनविधि में पैरामीटरयुक्त व्यक्तिगत सीखने को व्यवस्थित रूप से एकीकृत करने के लिए सिम्युलेटेड हीटिंग विधि का प्रारंभ किया।<ref name="bambha2004sip">{{cite journal|author=Bambha N. K. and Bhattacharyya S. S. and Teich J. and Zitzler E.|title=Systematic integration of parameterized local search into evolutionary algorithms|journal=IEEE Transactions on Evolutionary Computation|year=2004|volume=8|pages=137–155|doi=10.1109/TEVC.2004.823471|issue=2|s2cid=8303351}}</ref>
-=== व्यक्तिगत सीखने की आवृत्ति का निर्धारण ===
-मेमेटिक एल्गोरिथम डिजाइन के लिए प्रासंगिक पहले मुद्दों में से एक यह विचार करना है कि व्यक्तिगत सीखने को कितनी बार लागू किया जाना चाहिए; यानी, व्यक्तिगत सीखने की आवृत्ति। एक मामले में,<ref name="hart1994ago">{{cite thesis |first=William E. |last=Hart |title=Adaptive Global Optimization with Local Search |type=PhD |publisher=University of California |citeseerx=10.1.1.473.1370 |date=December 1994 |place=San Diego, CA |url=https://dl.acm.org/doi/10.5555/221524}}</ref> एमए खोज प्रदर्शन पर व्यक्तिगत सीखने की आवृत्ति के प्रभाव पर विचार किया गया जहां एमए खोज के विभिन्न चरणों में व्यक्तिगत सीखने की आवृत्ति के विभिन्न विन्यासों की जांच की गई। इसके विपरीत, इसे कहीं और दिखाया गया था<ref name="ku2000sle">{{cite journal |author=Ku |first=K. W. C. |last2=Mak |first2=M. W. |last3=Siu. |first3=W. C |year=2000 |title=A study of the Lamarckian evolution of recurrent neural networks |journal=IEEE Transactions on Evolutionary Computation |volume=4 |issue=1 |pages=31–42 |doi=10.1109/4235.843493 |hdl-access=free |hdl=10397/289}}</ref> यदि व्यक्तिगत सीखने की कम्प्यूटेशनल जटिलता अपेक्षाकृत कम है तो प्रत्येक व्यक्ति पर व्यक्तिगत सीखने को लागू करना सार्थक हो सकता है।
-=== व्यक्तियों का चयन जिस पर व्यक्तिगत शिक्षा लागू होती है ===
-ईए आबादी के बीच उपयुक्त व्यक्तियों का चयन करने के मुद्दे पर, जिन्हें व्यक्तिगत सीखने से गुजरना चाहिए, भूमि के साथ निरंतर पैरामीट्रिक खोज समस्याओं में गुणसूत्रों की आबादी पर व्यक्तिगत सीखने की संभावना को अपनाने के लिए फिटनेस-आधारित और वितरण-आधारित रणनीतियों का अध्ययन किया गया।<ref name="land1998eal">{{cite thesis |author=Land |first=M. W. S. |year=1998 |title=Evolutionary Algorithms with Local Search for Combinatorial Optimization |publisher=University of California |place=San Diego, CA |isbn=978-0-599-12661-9 |citeseerx=10.1.1.55.8986}}</ref> संयोजी अनुकूलन समस्याओं के लिए कार्य का विस्तार करना। बंभा एट अल। अधिकतम समाधान गुणवत्ता प्राप्त करने के लिए विकासवादी एल्गोरिदम में पैरामीटरयुक्त व्यक्तिगत सीखने को व्यवस्थित रूप से एकीकृत करने के लिए एक सिम्युलेटेड हीटिंग तकनीक की शुरुआत की।<ref name=bambha2004sip>{{cite journal|author=Bambha N. K. and Bhattacharyya S. S. and Teich J. and Zitzler E.|title=Systematic integration of parameterized local search into evolutionary algorithms|journal=IEEE Transactions on Evolutionary Computation|year=2004|volume=8|pages=137–155|doi=10.1109/TEVC.2004.823471|issue=2|s2cid=8303351}}</ref>
 === व्यक्तिगत सीखने की तीव्रता की विशिष्टता ===
-व्यक्तिगत सीखने की तीव्रता, <math>t_{il}</math>, व्यक्तिगत सीखने की पुनरावृत्ति के लिए आवंटित कम्प्यूटेशनल बजट की राशि है; यानी, एकल समाधान में सुधार पर खर्च करने के लिए व्यक्तिगत सीखने के लिए स्वीकार्य अधिकतम कम्प्यूटेशनल बजट।
+व्यक्तिगत सीखने की तीव्रता, <math>t_{il}</math>, व्यक्तिगत सीखने की पुनरावृत्ति के लिए आवंटित कम्प्यूटेशनल बजट की राशि है; अर्थात, एकल समाधान में संशोधन पर व्यय करने के लिए व्यक्तिगत सीखने के लिए स्वीकार्य अधिकतम कम्प्यूटेशनल बजट है।
 === लैमार्कियन या बाल्डविनियन सीखने का विकल्प ===
-यह तय किया जाना है कि क्या एक पाया गया सुधार केवल बेहतर फिटनेस (बाल्डविनियन लर्निंग) द्वारा काम करना है या क्या व्यक्ति को भी तदनुसार अनुकूलित किया गया है (लैमार्कियन लर्निंग)। ईए के मामले में, इसका मतलब जीनोटाइप का समायोजन होगा। 1990 के दशक में पहले से ही साहित्य में EA के लिए इस प्रश्न पर विवादास्पद रूप से चर्चा की गई है, जिसमें कहा गया है कि विशिष्ट उपयोग मामला एक प्रमुख भूमिका निभाता है।<ref>{{Cite journal |last1=Gruau |first1=Frédéric |last2=Whitley |first2=Darrell |date=September 1993 |title=Adding Learning to the Cellular Development of Neural Networks: Evolution and the Baldwin Effect |url=https://direct.mit.edu/evco/article/1/3/213-233/1109 |journal=Evolutionary Computation |language=en |volume=1 |issue=3 |pages=213–233 |doi=10.1162/evco.1993.1.3.213 |s2cid=15048360 |issn=1063-6560}}</ref><ref>{{Citation |last1=Orvosh |first1=David |last2=Davis |first2=Lawrence |title=Shall We Repair? Genetic Algorithms, Combinatorial Optimization, and Feasibility Constraints |date=1993 |url=https://www.semanticscholar.org/paper/Shall-We-Repair-Genetic-AlgorithmsCombinatorial-Orvosh-Davis/c1a930dea91a59ccec2cf20f7f81a953bd53f46a |work=Conf. Proc. of the 5th Int. Conf. on Genetic Algorithms (ICGA) |pages=650 |editor-last=Forrest |editor-first=Stephanie |place=San Mateo, CA, USA |publisher=Morgan Kaufmann |isbn=978-1-55860-299-1 |s2cid=10098180 }}</ref><ref>{{Citation |last1=Whitley |first1=Darrell |title=Lamarckian evolution, the Baldwin effect and function optimization |date=1994 |url=http://link.springer.com/10.1007/3-540-58484-6_245 |work=Parallel Problem Solving from Nature — PPSN III |volume=866 |pages=5–15 |editor-last=Davidor |editor-first=Yuval |place=Berlin, Heidelberg |publisher=Springer Berlin Heidelberg |doi=10.1007/3-540-58484-6_245 |isbn=978-3-540-58484-1 |access-date=2023-02-07 |last2=Gordon |first2=V. Scott |last3=Mathias |first3=Keith |editor2-last=Schwefel |editor2-first=Hans-Paul |editor3-last=Männer |editor3-first=Reinhard}}</ref> बहस की पृष्ठभूमि यह है कि जीनोम अनुकूलन समयपूर्व अभिसरण को बढ़ावा दे सकता है। इस जोखिम को अन्य उपायों से प्रभावी ढंग से कम किया जा सकता है ताकि बेहतर संतुलित चौड़ाई और गहराई की खोज की जा सके, जैसे कि संरचित आबादी का उपयोग।<ref>{{Cite journal |last=Jakob |first=Wilfried |date=September 2010 |title=A general cost-benefit-based adaptation framework for multimeme algorithms |url=http://link.springer.com/10.1007/s12293-010-0040-9 |journal=Memetic Computing |series=p.207 |language=en |volume=2 |issue=3 |pages=201–218 |doi=10.1007/s12293-010-0040-9 |s2cid=167807 |issn=1865-9284}}</ref>
+यह तय किया जाना है कि क्या एक पाया गया संशोधन केवल उत्तम उपयुक्तता (बाल्डविनियन लर्निंग) द्वारा काम करना है या क्या व्यक्ति को भी तदनुसार अनुकूलित किया गया है (लैमार्कियन लर्निंग)। ईए के स्थिति में, इसका अर्थ जीनोटाइप का समायोजन होगा। 1990 के दशक में पहले से ही साहित्य में ईए के लिए इस प्रश्न पर विवादास्पद रूप से चर्चा की गई है, जिसमें कहा गया है कि विशिष्ट उपयोग स्थिति प्रमुख भूमिका निभाता है।<ref>{{Cite journal |last1=Gruau |first1=Frédéric |last2=Whitley |first2=Darrell |date=September 1993 |title=Adding Learning to the Cellular Development of Neural Networks: Evolution and the Baldwin Effect |url=https://direct.mit.edu/evco/article/1/3/213-233/1109 |journal=Evolutionary Computation |language=en |volume=1 |issue=3 |pages=213–233 |doi=10.1162/evco.1993.1.3.213 |s2cid=15048360 |issn=1063-6560}}</ref><ref>{{Citation |last1=Orvosh |first1=David |last2=Davis |first2=Lawrence |title=Shall We Repair? Genetic Algorithms, Combinatorial Optimization, and Feasibility Constraints |date=1993 |url=https://www.semanticscholar.org/paper/Shall-We-Repair-Genetic-AlgorithmsCombinatorial-Orvosh-Davis/c1a930dea91a59ccec2cf20f7f81a953bd53f46a |work=Conf. Proc. of the 5th Int. Conf. on Genetic Algorithms (ICGA) |pages=650 |editor-last=Forrest |editor-first=Stephanie |place=San Mateo, CA, USA |publisher=Morgan Kaufmann |isbn=978-1-55860-299-1 |s2cid=10098180 }}</ref><ref>{{Citation |last1=Whitley |first1=Darrell |title=Lamarckian evolution, the Baldwin effect and function optimization |date=1994 |url=http://link.springer.com/10.1007/3-540-58484-6_245 |work=Parallel Problem Solving from Nature — PPSN III |volume=866 |pages=5–15 |editor-last=Davidor |editor-first=Yuval |place=Berlin, Heidelberg |publisher=Springer Berlin Heidelberg |doi=10.1007/3-540-58484-6_245 |isbn=978-3-540-58484-1 |access-date=2023-02-07 |last2=Gordon |first2=V. Scott |last3=Mathias |first3=Keith |editor2-last=Schwefel |editor2-first=Hans-Paul |editor3-last=Männer |editor3-first=Reinhard}}</ref> बहस की पृष्ठभूमि यह है कि जीनोम अनुकूलन समयपूर्व अभिसरण को बढ़ावा दे सकता है। इस संकट को अन्य उपायों से प्रभावी ढंग से कम किया जा सकता है जिससे उत्तम संतुलित चौड़ाई और गहराई की खोज की जा सके, जैसे कि संरचित जनसंख्या का उपयोग।<ref>{{Cite journal |last=Jakob |first=Wilfried |date=September 2010 |title=A general cost-benefit-based adaptation framework for multimeme algorithms |url=http://link.springer.com/10.1007/s12293-010-0040-9 |journal=Memetic Computing |series=p.207 |language=en |volume=2 |issue=3 |pages=201–218 |doi=10.1007/s12293-010-0040-9 |s2cid=167807 |issn=1865-9284}}</ref>
 == अनुप्रयोग ==
-मेमेटिक एल्गोरिदम को वास्तविक दुनिया की कई समस्याओं पर सफलतापूर्वक लागू किया गया है। हालांकि बहुत से लोग मेमेटिक एल्गोरिदम से संबंधित तकनीकों को नियोजित करते हैं, वैकल्पिक नाम जैसे हाइब्रिड जेनेटिक एल्गोरिदम भी कार्यरत हैं।
+मेमेटिक कलनविधि को वास्तविक विश्व की कई समस्याओं पर सफलतापूर्वक प्रयुक्त किया गया है। चूंकि बहुत से लोग मेमेटिक कलनविधि से संबंधित विधियों को नियोजित करते हैं, वैकल्पिक नाम जैसे हाइब्रिड आनुवंशिक कलनविधि भी कार्यरत हैं।
+शोधकर्ताओं ने कई शास्त्रीय [[एनपी (जटिलता)]] समस्याओं से निपटने के लिए मेमेटिक कलनविधि का उपयोग किया है। उनमें से कुछ को उद्धृत करने के लिए: ग्राफ़ विभाजन, नैपसैक समस्या, [[ट्रैवलिंग सेल्समैन की समस्या]], [[द्विघात असाइनमेंट समस्या|द्विघात कार्यभार समस्या]], सेट कवर समस्या, ग्राफ़ रंग # कलनविधि, [[स्वतंत्र सेट समस्या]], [[बिन पैकिंग समस्या]] और [[सामान्यीकृत असाइनमेंट समस्या|सामान्यीकृत कार्यभार समस्या]]।
+अधिक हाल के अनुप्रयोगों में व्यापार विश्लेषण और [[डेटा विज्ञान]] सम्मिलित हैं (लेकिन इन तक सीमित नहीं हैं),<ref name=MAs-in-Data-Science-and-Business-Analytics> </ref> [[कृत्रिम तंत्रिका नेटवर्क]] का प्रशिक्षण,<ref name=training_ANN>{{cite conference |author1=Ichimura, T. |author2=Kuriyama, Y. |title=रॉयल रोड फ़ंक्शन का उपयोग करके समांतर हाइब्रिड जीए के साथ तंत्रिका नेटवर्क सीखना|conference=IEEE International Joint Conference on Neural Networks|volume=2|pages=1131–1136|year=1998|location=New York, NY |doi=10.1109/IJCNN.1998.685931 }}</ref> पैटर्न पहचान,<ref name=pattern_recognition>{{cite journal|author1=Aguilar, J. |author2=Colmenares, A. |year=1998|title=हाइब्रिड जेनेटिक/रैंडम न्यूरल नेटवर्क लर्निंग एल्गोरिथम का उपयोग करके पैटर्न पहचान समस्याओं का समाधान|journal=Pattern Analysis and Pplications|volume=1|issue=1|pages=52–61|doi=10.1007/BF01238026|s2cid=15803359 }}</ref> रोबोटिक [[गति योजना]],<ref name=motion_planning>{{cite book|author1=Ridao, M. |author2=Riquelme, J. |author3=Camacho, E. |author4=Toro, M. | year=1998|title=दो मैनिपुलेटर्स गति की योजना बनाने के लिए एक विकासवादी और स्थानीय खोज एल्गोरिदम|volume=1416| pages=105–114|publisher=Springer-Verlag|doi=10.1007/3-540-64574-8_396|series=Lecture Notes in Computer Science|isbn=978-3-540-64574-0|citeseerx=10.1.1.324.2668 }}</ref> [[आवेशित कण किरण]] पुंज अभिविन्यास,<ref name=beam_orientation>{{cite journal|author1=Haas, O. |author2=Burnham, K. |author3=Mills, J. |year=1998 |title=प्लानर ज्योमेट्री का उपयोग करके रेडियोथेरेपी में बीम ओरिएंटेशन का अनुकूलन|journal=Physics in Medicine and Biology|volume=43|issue=8|pages=2179–2193|doi=10.1088/0031-9155/43/8/013|pmid=9725597|bibcode=1998PMB....43.2179H |s2cid=250856984 }}</ref> [[सर्किट डिज़ाइन]],<ref name=circuit_design>{{cite journal|author1=Harris, S. |author2=Ifeachor, E. |year=1998|title=हाइब्रिड जेनेटिक एल्गोरिथम तकनीकों द्वारा फ़्रीक्वेंसी सैंपलिंग फ़िल्टर का स्वचालित डिज़ाइन|journal=IEEE Transactions on Signal Processing |volume=46 |issue=12 |pages=3304–3314 |doi=10.1109/78.735305 |bibcode=1998ITSP...46.3304H }}</ref> विद्युत सेवा पुनरागमन,<ref name=service_restoration>{{cite journal|author1=Augugliaro, A. |author2=Dusonchet, L. |author3=Riva-Sanseverino, E. |year=1998|title=हाइब्रिड जेनेटिक एल्गोरिथम का उपयोग करके मुआवजा वितरण नेटवर्क में सेवा बहाली|journal=Electric Power Systems Research|volume=46|issue=1|pages=59–66|doi=10.1016/S0378-7796(98)00025-X}}</ref> चिकित्सा [[विशेषज्ञ प्रणाली]],<ref name=medical_expert_system>{{cite journal|author1=Wehrens, R. |author2=Lucasius, C. |author3=Buydens, L. |author4=Kateman, G. |year=1993|title=HIPS, आनुवंशिक एल्गोरिथम का उपयोग करके परमाणु चुंबकीय अनुनाद स्पेक्ट्रम व्याख्या के लिए एक संकर स्व-अनुकूलन विशेषज्ञ प्रणाली|journal=Analytica Chimica Acta|volume=277|issue=2|pages=313–324|doi=10.1016/0003-2670(93)80444-P|hdl=2066/112321 |s2cid=53954763 |hdl-access=free}}</ref> [[एकल मशीन शेड्यूलिंग|एकल मशीन समय सारिणी]],<ref name=single_machine_sched>{{cite conference|author1=França, P. |author2=Mendes, A. |author3=Moscato, P. |title=अनुक्रम-निर्भर सेटअप समय के साथ एकल मशीन पर शिथिलता को कम करने के लिए मेमेटिक एल्गोरिदम|conference=Proceedings of the 5th International Conference of the Decision Sciences Institute|pages=1708–1710|year=1999|location=Athens, Greece|s2cid=10797987 |url=https://pdfs.semanticscholar.org/c213/5d68ceb0fd8e924aabe97cac1858ff6a2ce4.pdf}}</ref> स्वचालित समय सारिणी (विशेष रूप से, [[NHL|एनएचएल]] के लिए समय सारिणी),<ref name="nhl_timetabling">{{cite journal | last=Costa | first=Daniel | title=एक विकासवादी तब्बू खोज एल्गोरिथम और NHL निर्धारण समस्या| journal=INFOR: Information Systems and Operational Research | volume=33 | issue=3 | year=1995 | doi=10.1080/03155986.1995.11732279 | pages=161–178}}</ref> [[अनुसूची (कार्यस्थल)]],<ref name=nurse_rostering>{{cite conference|author=Aickelin, U.|title=जेनेटिक एल्गोरिदम के साथ नर्स रोस्टरिंग|conference=Proceedings of young operational research conference 1998|year=1998|location=Guildford, UK|arxiv=1004.2870}}</ref> नर्स रोस्टरिंग समस्या,<ref name=nurse_rostering_function_opt>{{cite book| author = Ozcan, E.|title=स्वचालित समय सारिणी VI का अभ्यास और सिद्धांत|year=2007|chapter=Memes, Self-generation and Nurse Rostering|volume=3867|pages=85–104|publisher=Springer-Verlag|doi=10.1007/978-3-540-77345-0_6|series=Lecture Notes in Computer Science|isbn=978-3-540-77344-3}}</ref> [[प्रोसेसर आवंटन]],<ref name=proc_alloc>{{cite journal|author1=Ozcan, E. |author2=Onbasioglu, E. |year=2007|title=समानांतर कोड अनुकूलन के लिए मेमेटिक एल्गोरिदम|journal=International Journal of Parallel Programming|volume=35|issue=1|pages=33–61|doi=10.1007/s10766-006-0026-x|s2cid=15182941 }}</ref> देखभाल समय सारिणी (उदाहरण के लिए, विद्युत वितरण नेटवर्क का),<ref name=planned_maintenance>{{cite journal|author1=Burke, E. |author2=Smith, A. |year=1999|title=राष्ट्रीय ग्रिड के लिए नियोजित रखरखाव को शेड्यूल करने के लिए एक मेमेटिक एल्गोरिद्म| journal=Journal of Experimental Algorithmics |issue=4|pages=1–13 |doi=10.1145/347792.347801 |volume=4|s2cid=17174080 |doi-access=free}}</ref> विवश विषम संसाधनों के लिए कई [[कार्यप्रवाह]] का समय सारिणी (उत्पादन प्रक्रियाएँ),
-शोधकर्ताओं ने कई शास्त्रीय [[एनपी (जटिलता)]] समस्याओं से निपटने के लिए मेमेटिक एल्गोरिदम का इस्तेमाल किया है। उनमें से कुछ को उद्धृत करने के लिए: ग्राफ़ विभाजन, नैपसैक समस्या, [[ट्रैवलिंग सेल्समैन की समस्या]], [[द्विघात असाइनमेंट समस्या]], सेट कवर समस्या, ग्राफ़ रंग # एल्गोरिदम, [[स्वतंत्र सेट समस्या]], [[बिन पैकिंग समस्या]] और [[सामान्यीकृत असाइनमेंट समस्या]]।
-अधिक हाल के अनुप्रयोगों में व्यापार विश्लेषण और [[डेटा विज्ञान]] शामिल हैं (लेकिन इन तक सीमित नहीं हैं),<ref name=MAs-in-Data-Science-and-Business-Analytics> </ref> [[कृत्रिम तंत्रिका नेटवर्क]] का प्रशिक्षण,<ref name=training_ANN>{{cite conference |author1=Ichimura, T. |author2=Kuriyama, Y. |title=रॉयल रोड फ़ंक्शन का उपयोग करके समांतर हाइब्रिड जीए के साथ तंत्रिका नेटवर्क सीखना|conference=IEEE International Joint Conference on Neural Networks|volume=2|pages=1131–1136|year=1998|location=New York, NY |doi=10.1109/IJCNN.1998.685931 }}</ रेफ> पैटर्न पहचान,<ref name=pattern_recognition>{{cite journal|author1=Aguilar, J. |author2=Colmenares, A. |year=1998|title=हाइब्रिड जेनेटिक/रैंडम न्यूरल नेटवर्क लर्निंग एल्गोरिथम का उपयोग करके पैटर्न पहचान समस्याओं का समाधान|journal=Pattern Analysis and Pplications|volume=1|issue=1|pages=52–61|doi=10.1007/BF01238026|s2cid=15803359 }}</रेफरी> रोबोटिक [[गति योजना]],<ref name=motion_planning>{{cite book|author1=Ridao, M. |author2=Riquelme, J. |author3=Camacho, E. |author4=Toro, M. | year=1998|title=दो मैनिपुलेटर्स गति की योजना बनाने के लिए एक विकासवादी और स्थानीय खोज एल्गोरिदम|volume=1416| pages=105–114|publisher=Springer-Verlag|doi=10.1007/3-540-64574-8_396|series=Lecture Notes in Computer Science|isbn=978-3-540-64574-0|citeseerx=10.1.1.324.2668 }}</ref> [[आवेशित कण किरण]] पुंज अभिविन्यास,<ref name=beam_orientation>{{cite journal|author1=Haas, O. |author2=Burnham, K. |author3=Mills, J. |year=1998 |title=प्लानर ज्योमेट्री का उपयोग करके रेडियोथेरेपी में बीम ओरिएंटेशन का अनुकूलन|journal=Physics in Medicine and Biology|volume=43|issue=8|pages=2179–2193|doi=10.1088/0031-9155/43/8/013|pmid=9725597|bibcode=1998PMB....43.2179H |s2cid=250856984 }}</रेफरी> [[सर्किट डिज़ाइन]],<ref name=circuit_design>{{cite journal|author1=Harris, S. |author2=Ifeachor, E. |year=1998|title=हाइब्रिड जेनेटिक एल्गोरिथम तकनीकों द्वारा फ़्रीक्वेंसी सैंपलिंग फ़िल्टर का स्वचालित डिज़ाइन|journal=IEEE Transactions on Signal Processing |volume=46 |issue=12 |pages=3304–3314 |doi=10.1109/78.735305 |bibcode=1998ITSP...46.3304H }}</ref> विद्युत सेवा बहाली,<ref name=service_restoration>{{cite journal|author1=Augugliaro, A. |author2=Dusonchet, L. |author3=Riva-Sanseverino, E. |year=1998|title=हाइब्रिड जेनेटिक एल्गोरिथम का उपयोग करके मुआवजा वितरण नेटवर्क में सेवा बहाली|journal=Electric Power Systems Research|volume=46|issue=1|pages=59–66|doi=10.1016/S0378-7796(98)00025-X}}</रेफरी> चिकित्सा [[विशेषज्ञ प्रणाली]],<ref name=medical_expert_system>{{cite journal|author1=Wehrens, R. |author2=Lucasius, C. |author3=Buydens, L. |author4=Kateman, G. |year=1993|title=HIPS, आनुवंशिक एल्गोरिथम का उपयोग करके परमाणु चुंबकीय अनुनाद स्पेक्ट्रम व्याख्या के लिए एक संकर स्व-अनुकूलन विशेषज्ञ प्रणाली|journal=Analytica Chimica Acta|volume=277|issue=2|pages=313–324|doi=10.1016/0003-2670(93)80444-P|hdl=2066/112321 |s2cid=53954763 |hdl-access=free}}</ref> [[एकल मशीन शेड्यूलिंग]],<ref name=single_machine_sched>{{cite conference|author1=França, P. |author2=Mendes, A. |author3=Moscato, P. |title=अनुक्रम-निर्भर सेटअप समय के साथ एकल मशीन पर शिथिलता को कम करने के लिए मेमेटिक एल्गोरिदम|conference=Proceedings of the 5th International Conference of the Decision Sciences Institute|pages=1708–1710|year=1999|location=Athens, Greece|s2cid=10797987 |url=https://pdfs.semanticscholar.org/c213/5d68ceb0fd8e924aabe97cac1858ff6a2ce4.pdf}}</ref> स्वचालित समय सारिणी (विशेष रूप से, [[NHL]] के लिए समय सारिणी),<ref name="nhl_timetabling">{{cite journal | last=Costa | first=Daniel | title=एक विकासवादी तब्बू खोज एल्गोरिथम और NHL निर्धारण समस्या| journal=INFOR: Information Systems and Operational Research | volume=33 | issue=3 | year=1995 | doi=10.1080/03155986.1995.11732279 | pages=161–178}}</ref> [[अनुसूची (कार्यस्थल)]],<ref name=nurse_rostering>{{cite conference|author=Aickelin, U.|title=जेनेटिक एल्गोरिदम के साथ नर्स रोस्टरिंग|conference=Proceedings of young operational research conference 1998|year=1998|location=Guildford, UK|arxiv=1004.2870}}</ref> नर्स रोस्टरिंग समस्या,<ref name=nurse_rostering_function_opt>{{cite book| author = Ozcan, E.|title=स्वचालित समय सारिणी VI का अभ्यास और सिद्धांत|year=2007|chapter=Memes, Self-generation and Nurse Rostering|volume=3867|pages=85–104|publisher=Springer-Verlag|doi=10.1007/978-3-540-77345-0_6|series=Lecture Notes in Computer Science|isbn=978-3-540-77344-3}}</ रेफ> [[प्रोसेसर आवंटन]],<ref name=proc_alloc>{{cite journal|author1=Ozcan, E. |author2=Onbasioglu, E. |year=2007|title=समानांतर कोड अनुकूलन के लिए मेमेटिक एल्गोरिदम|journal=International Journal of Parallel Programming|volume=35|issue=1|pages=33–61|doi=10.1007/s10766-006-0026-x|s2cid=15182941 }}</ref> रखरखाव शेड्यूलिंग (उदाहरण के लिए, विद्युत वितरण नेटवर्क का),<ref name=planned_maintenance>{{cite journal|author1=Burke, E. |author2=Smith, A. |year=1999|title=राष्ट्रीय ग्रिड के लिए नियोजित रखरखाव को शेड्यूल करने के लिए एक मेमेटिक एल्गोरिद्म| journal=Journal of Experimental Algorithmics |issue=4|pages=1–13 |doi=10.1145/347792.347801 |volume=4|s2cid=17174080 |doi-access=free}}</ref> विवश विषम संसाधनों के लिए कई [[कार्यप्रवाह]] का शेड्यूलिंग (उत्पादन प्रक्रियाएँ), रेफरी>{{Cite journal |last1=Jakob |first1=Wilfried |last2=Strack |first2=Sylvia |last3=Quinte |first3=Alexander |last4=Bengel |first4=Günther |last5=Stucky |first5=Karl-Uwe |last6=Süß |first6=Wolfgang |date=2013-04-22 |title=बहु-मापदंड मेमेटिक कंप्यूटिंग का उपयोग करके विवश विषम संसाधनों के लिए कई वर्कफ़्लोज़ का तेज़ पुनर्निर्धारण|journal=Algorithms |language=en |volume=6 |issue=2 |pages=245–277 |doi=10.3390/a6020245 |issn=1999-4893|doi-access=free }}</ref> बहुआयामी बैकपैक समस्या,<ref name=mkp_ma>{{cite journal|author1=Ozcan, E. |author2=Basaran, C. |year=2009|title=बाधा अनुकूलन के लिए मेमेटिक एल्गोरिदम का एक केस स्टडी|journal=Soft Computing: A Fusion of Foundations, Methodologies and Applications |volume=13|issue=8–9 |pages=871–882 |doi=10.1007/s00500-008-0354-4 |citeseerx=10.1.1.368.7327 |s2cid=17032624 }}</रेफरी> [[वीएलएसआई]] डिजाइन,<ref name="vlsi_design">{{cite journal |author=Areibi |first=S. |last2=Yang |first2=Z. |year=2004 |title=वीएलएसआई डिजाइन ऑटोमेशन = आनुवंशिक एल्गोरिदम + स्थानीय खोज + बहु-स्तरीय क्लस्टरिंग के लिए प्रभावी मेमेटिक एल्गोरिदम|journal=Evolutionary Computation |volume=12 |issue=3 |pages=327–353 |doi=10.1162/1063656041774947 |pmid=15355604 |s2cid=2190268}}</ref> [[अभिव्यक्ति रूपरेखा]] का [[क्लस्टर विश्लेषण]],<ref name=clustering_gene_expression >{{cite book|author1=Merz, P. |author2=Zell, A. |title = प्रकृति से समानांतर समस्या का समाधान - PPSN VII|volume=2439 |year=2002|publisher=[[Springer Science+Business Media|Springer]]|doi=10.1007/3-540-45712-7_78|pages=811–820| chapter=Clustering Gene Expression Profiles with Memetic Algorithms|series=Lecture Notes in Computer Science |isbn=978-3-540-44139-7 }}</ref> विशेषता/जीन चयन,<ref name=gene_selection1>{{cite journal|author=Zexuan Zhu, Y. S. Ong and M. Dash|title=जीन चयन के लिए मार्कोव ब्लैंकेट-एम्बेडेड जेनेटिक एल्गोरिथम|year=2007|journal=Pattern Recognition|volume=49|issue=11|pages=3236–3248|doi=10.1016/j.patcog.2007.02.007|bibcode=2007PatRe..40.3236Z}}</रेफरी><ref name=gene_selection2>{{cite journal|author=Zexuan Zhu, Y. S. Ong and M. Dash|title=एक मेमेटिक फ्रेमवर्क का उपयोग करके रैपर-फ़िल्टर फ़ीचर चयन एल्गोरिथम|year=2007|journal=IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics|volume=37|issue=1|pages=70–76|doi=10.1109/TSMCB.2006.883267|pmid=17278560|hdl=10338.dmlcz/141593|s2cid=18382400|hdl-access=free}}</ref> हार्डवेयर दोष अंतःक्षेपण के लिए पैरामीटर निर्धारण, रेफरी>{{Cite web|title=फॉल्ट इंजेक्शन पैरामीटर चयन के लिए आर्टिफिशियल इंटेलिजेंस {{!}} मरीना क्रेक {{!}} हार्डवियर.आईओ वेबिनार|url=https://hardwear.io/webinar/AI-for-fault-injection-parameter-selection.php|access-date=2021-05-21|website=hardwear.io}}</ref> और बहु-श्रेणी, बहुउद्देश्यीय सुविधा चयन। रेफरी>{{Cite journal |last1=Zhu |first1=Zexuan |last2=Ong |first2=Yew-Soon |last3=Zurada |first3=Jacek M |date=April 2010 |title=पूर्ण और आंशिक वर्ग प्रासंगिक जीन की पहचान|url=https://ieeexplore.ieee.org/document/4653480 |journal=IEEE/ACM Transactions on Computational Biology and Bioinformatics |volume=7 |issue=2 |pages=263–277 |doi=10.1109/TCBB.2008.105 |pmid=20431146 |s2cid=2904028 |issn=1545-5963}}</रेफरी><ref name=feature_selection2>{{cite book|author1=G. Karkavitsas  |author2=G. Tsihrintzis |name-list-style=amp |title=हाइब्रिड जेनेटिक एल्गोरिदम का उपयोग करके स्वचालित संगीत शैली वर्गीकरण|year=2011|journal=Intelligent Interactive Multimedia Systems and Services|volume=11|pages=323–335|publisher=Springer|doi=10.1007/978-3-642-22158-3_32|series=Smart Innovation, Systems and Technologies |isbn=978-3-642-22157-6 |s2cid=15011089 |url=https://semanticscholar.org/paper/c68aeb6ac71ae9414791fc7c9377ef846b724349 }}</रेफरी>
-== मेमेटिक एल्गोरिदम में हाल की गतिविधियाँ ==
+== मेमेटिक कलनविधि में हाल की गतिविधियाँ ==
-* मेमेटिक एल्गोरिथम पर आईईईई वर्कशॉप (डब्ल्यूओएमए 2009)। कार्यक्रम के अध्यक्ष: जिम स्मिथ, इंग्लैंड के पश्चिम विश्वविद्यालय, यू.के.; यू-सून ओंग, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; गुस्ताफसन स्टीवन, नॉटिंघम विश्वविद्यालय; यू.के.; मेंग हियोट लिम, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; नतालियो क्रास्नोगोर, नॉटिंघम विश्वविद्यालय, यू.के.
+* मेमेटिक कलनविधि पर आईईईई वर्कशॉप (डब्ल्यूओएमए 2009)। कार्यक्रम के अध्यक्ष: जिम स्मिथ, इंग्लैंड के पश्चिम विश्वविद्यालय, यू.के.; यू-सून ओंग, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; गुस्ताफसन स्टीवन, नॉटिंघम विश्वविद्यालय; यू.के.; मेंग हियोट लिम, नानयांग टेक्नोलॉजिकल यूनिवर्सिटी, सिंगापुर; नतालियो क्रास्नोगोर, नॉटिंघम विश्वविद्यालय, यू.के.
 *[https://www.springer.com/journal/12293 मेमेटिक कंप्यूटिंग जर्नल], पहला अंक जनवरी 2009 में प्रकाशित हुआ।
-*[http://www.wcci2008.org/ 2008 IEEE वर्ल्ड कांग्रेस ऑन कम्प्यूटेशनल इंटेलिजेंस (WCCI 2008)], हांगकांग, [http://users.jyu.fi/~neferran/MA2008/MA2008.htm पर विशेष सत्र मेमेटिक एल्गोरिदम]।
+*[http://www.wcci2008.org/ 2008 IEEE वर्ल्ड कांग्रेस ऑन कम्प्यूटेशनल इंटेलिजेंस (WCCI 2008)], हांगकांग, [http://users.jyu.fi/~neferran/MA2008/MA2008.htm पर विशेष सत्र मेमेटिक कलनविधि]।
-*[http://www.ntu.edu.sg/home/asysong/SC/Special-Issue-MA.htm 'सॉफ्ट कंप्यूटिंग में उभरते रुझान - मेमेटिक एल्गोरिदम' पर विशेष अंक], सॉफ्ट कंप्यूटिंग जर्नल, पूर्ण और प्रेस में , 2008.
+*[http://www.ntu.edu.sg/home/asysong/SC/Special-Issue-MA.htm 'सॉफ्ट कंप्यूटिंग में उभरते रुझान - मेमेटिक कलनविधि' पर विशेष अंक], सॉफ्ट कंप्यूटिंग जर्नल, पूर्ण और प्रेस में , 2008.
 *[http://www.ntu.edu.sg/home/asysong/ETTC/ETTC%20Task%20Force%20-%20Memetic%20Computing.htm Memetic कंप्यूटिंग पर IEEE कम्प्यूटेशनल इंटेलिजेंस सोसाइटी इमर्जेंट टेक्नोलॉजीज टास्क फोर्स]
-* [https://web.archive.org/web/20100306001555/http://cec2007.nus.edu.sg/ IEEE Congress on Evolutionary Computation (CEC 2007)], सिंगापुर, [https://web.archive. org/web/20080216234225/http://ntu-cg.ntu.edu.sg/ysong/MA-SS/MA.htm मेमेटिक एल्गोरिदम पर विशेष सत्र]।
+* [https://web.archive.org/web/20100306001555/http://cec2007.nus.edu.sg/ IEEE Congress on Evolutionary Computation (CEC 2007)], सिंगापुर, [https://web.archive. org/web/20080216234225/http://ntu-cg.ntu.edu.sg/ysong/MA-SS/MA.htm मेमेटिक कलनविधि पर विशेष सत्र]।
 * [http://www.esi-topics.com/erf/2007/august07-Ong_Keane.html 'Memetic Computing'] थॉमसन साइंटिफिक के एसेंशियल साइंस इंडिकेटर्स एज एन इमर्जिंग फ्रंट रिसर्च एरिया द्वारा।
-* [https://ieeexplore.ieee.org/document/4067075 मेमेटिक एल्गोरिदम पर विशेष अंक], सिस्टम, मैन और साइबरनेटिक्स पर IEEE लेनदेन - भाग बी: साइबरनेटिक्स, वॉल्यूम। 37, नंबर 1, फरवरी 2007।
+* [https://ieeexplore.ieee.org/document/4067075 मेमेटिक कलनविधि पर विशेष अंक], प्रणाली, मैन और साइबरनेटिक्स पर आईईईई लेनदेन - भाग बी: साइबरनेटिक्स, वॉल्यूम। 37, नंबर 1, फरवरी 2007।
-* [http://www.springeronline.com/sgw/cda/frontpage/0,11855,5-40356-72-34233226-0,00.html Memetic Algorithms में हालिया प्रगति], सीरीज: Fuzziness और सॉफ्ट कंप्यूटिंग में अध्ययन , वॉल्यूम। 166, {{ISBN|978-3-540-22904-9}}, 2005.
+* [http://www.springeronline.com/sgw/cda/frontpage/0,11855,5-40356-72-34233226-0,00.html Memetic Algorithms में हालिया प्रगति], सीरीज: अस्पष्टता और सॉफ्ट कंप्यूटिंग में अध्ययन, वॉल्यूम। 166, {{ISBN|978-3-540-22904-9}}, 2005.
-* [http://www.mitpressjournals.org/doi/abs/10.1162/1063656041775009?prevSearch=allfield%3A%28memetic+algorithm%29 Memetic एल्गोरिदम पर विशेष अंक], Evolutionary Computation Fall 2004, Vol. 12, संख्या 3: वी-वि।
+* [http://www.mitpressjournals.org/doi/abs/10.1162/1063656041775009?prevSearch=allfield%3A%28memetic+algorithm%29 Memetic कलनविधि पर विशेष अंक], विकासवादी संगणना पतन 2004, Vol. 12, संख्या 3: वी-वि।
 ==संदर्भ==
 {{reflist|30em}}
-[[Category: विकासवादी एल्गोरिदम]]
-[[Category: Machine Translated Page]]
+[[Category:CS1 English-language sources (en)]]
 [[Category:Created On 13/02/2023]]
+[[Category:Machine Translated Page]]
+[[Category:Pages with reference errors]]
+[[Category:Pages with script errors]]
+[[Category:Templates Vigyan Ready]]
+[[Category:विकासवादी एल्गोरिदम]]

Anonymous

Search

मेमेटिक कलनविधि: Difference between revisions

Namespaces

More

Page actions

Latest revision as of 10:47, 21 February 2023

Contents

परिचय

सैद्धांतिक पृष्ठभूमि

एमए का विकास

पहली पीढ़ी

दूसरी पीढ़ी

तीसरी पीढ़ी

कुछ डिज़ाइन टिप्पणियाँ

व्यक्तिगत सीखने की आवृत्ति का निर्धारण

व्यक्तियों का चयन जिस पर व्यक्तिगत शिक्षा प्रयुक्त होती है

व्यक्तिगत सीखने की तीव्रता की विशिष्टता

लैमार्कियन या बाल्डविनियन सीखने का विकल्प

अनुप्रयोग

मेमेटिक कलनविधि में हाल की गतिविधियाँ

संदर्भ

Navigation

Navigation

Wiki tools

Wiki tools

Anonymous

Search

मेमेटिक कलनविधि: Difference between revisions

Latest revision as of 10:47, 21 February 2023

परिचय

सैद्धांतिक पृष्ठभूमि

एमए का विकास

पहली पीढ़ी

दूसरी पीढ़ी

तीसरी पीढ़ी

कुछ डिज़ाइन टिप्पणियाँ

व्यक्तिगत सीखने की आवृत्ति का निर्धारण

व्यक्तियों का चयन जिस पर व्यक्तिगत शिक्षा प्रयुक्त होती है

व्यक्तिगत सीखने की तीव्रता की विशिष्टता

लैमार्कियन या बाल्डविनियन सीखने का विकल्प

अनुप्रयोग

मेमेटिक कलनविधि में हाल की गतिविधियाँ

संदर्भ

Navigation

Wiki tools

Page tools

Other projects

Categories