Algoritmo memético
El algoritmo memético está inspirado en la interacción de la evolución genética y la evolución cultural. El darwinismo universal es la generalización de los genes más allá de los sistemas biológicos a cualquier sistema donde las unidades discretas de información puedan ser heredadas y sujetas a fuerzas evolutivas de selección y variación. El término "meme" de la algoritmo memético se usa para referirse a información cultural discreta, lo que sugiere la interacción entre la evolución genética y cultural.
El genotipo evoluciona de acuerdo con la interacción del fenotipo con el medio ambiente. Esta interacción se mide por fenómenos culturales que influyen en los mecanismos de selección, e incluso en los mecanismos de emparejamiento y recombinación. La información cultural se comparte entre los individuos y se difunde entre la población en forma de memes relacionados con su aptitud o la aptitud que los memes confieren a las personas. En conjunto, la interacción del genotipo y el memotipo mejora la aptitud de la población en el medio ambiente.
El objetivo de la estrategia de procesamiento de la información es explotar una técnica de búsqueda global basada en la población para ubicar ampliamente buenas áreas del espacio de búsqueda, combinado con el uso repetido de una heurística de busqueda local por soluciones individuales para localizar el óptimo local. Idealmente, el algoritmo memético abarca la dualidad de la evolución genética y cultural, permitiendo la transmisión, selección, herencia y variación de memes y genes.
El procedimiento anterior describe un algoritmo memético simple o de primer orden que muestra la mejora de soluciones individuales distintas de una búsqueda global, pero no muestra la evolución independiente de los memes.
La búsqueda global proporciona un mecanismo de exploración amplio, mientras que la mejora de la solución individual a través de la búsqueda local proporciona un mecanismo de explotación. Se necesita un equilibrio entre los mecanismos locales y globales para garantizar que el sistema no converja prematuramente a un óptimo local y no consuma recursos informáticos innecesarios. La búsqueda local debe ser específica del problema y la representación, mientras que la búsqueda global puede ser genérica y no específica (cuadro negro). Se han aplicado algoritmos meméticos a una variedad de áreas de problemas continuos, combinatorios y de optimización de restricciones.
ES 
FR 
EN