Algorithme mémétique

Les algorithmes mémétiques sont inspirés par l’interaction de l’évolution génétique et de l’évolution culturelle. Le darwinisme universel est la généralisation des gènes au-delà des systèmes biologiques à tout système où des unités discrètes d’informations peuvent être héritées et soumises à des forces évolutionnaires de sélection et de variation. Le terme « mème » est utilisé pour désigner une information culturelle discrète, suggérant l’interaction entre l’évolution génétique et culturelle.

Le génotype évolue en fonction de l’interaction du phénotype avec l’environnement. Cette interaction est mesurée par des phénomènes culturels qui influencent les mécanismes de sélection, et même les mécanismes d’appariement et de recombinaison. Les informations culturelles sont partagées entre les individus, se propageant à travers la population sous forme de mèmes relatifs à leur fitness ou à la fitness que les mèmes confèrent aux individus. Collectivement, l’interaction du génotype et du mémotype renforce la fitness de la population dans l’environnement.

L’objectif de la stratégie de traitement de l’information est d’exploiter une technique de recherche globale basée sur la population pour localiser largement les bonnes zones de l’espace de recherche, combinée à l’utilisation répétée d’une heuristique de recherche locale par des solutions individuelles pour localiser l’optimum local. Idéalement, les algorithmes mémétiques embrassent la dualité de l’évolution génétique et culturelle, permettant la transmission, la sélection, l’héritage et la variation des mèmes ainsi que des gènes.

La procédure ci-dessus décrit un algorithme mémétique simple ou de premier ordre qui montre l’amélioration de solutions individuelles distinctes d’une recherche globale, mais ne montre pas l’évolution indépendante des mèmes.

La recherche globale fournit le mécanisme d’exploration large, tandis que l’amélioration de la solution individuelle via la recherche locale fournit un mécanisme d’exploitation. Un équilibre est nécessaire entre les mécanismes locaux et globaux pour garantir que le système ne converge pas prématurément vers un optimum local et ne consomme pas de ressources de calcul inutiles. La recherche locale doit être spécifique au problème et à la représentation, alors que la recherche globale peut être générique et non spécifique (boîte noire). Des algorithmes mémétiques ont été appliqués à une gamme de domaines problématiques d’optimisation de contraintes, combinatoires et continus.