توضیحات

عنوان: الگوریتم های حافظه و بهینه سازی محاسبات ممتیک

الگوریتم ممتیک
دیدگاه های مختلف الگوریتم ممتیک
اهداف مهم طراحی شده توسط الگوریتم ممتیک برای کارآمدتر شدن جستجو
مشکلات الگوریتم ممتیک
ساختار کلی الگوریتم های حافظه
جهت بهینه سازی الگوریتم ممتیک (MAs) توجه موارد زیر مهم می باشد
پارامترهای مورد استفاده در توصیف الگوریتم ممتیک
یک الگوریتم ممتیک پایه
الگوریتم تزریق محلول های با کیفیت بالا در مراحل اولیه جمعیت
الگوریتم روش همکاری pipelined ها (خط لوله ها)
الگوریتم روش راه اندازی مجدد
بهینه سازی گسسته
بهینه سازی مداوم
بهینه سازی در مقیاس بزرگ
بهینه سازی محدود
بهینه سازی چند هدفه
بهینه سازی در صورت عدم اطمینان
هماهنگی اجزای الگوریتمی
نتیجه گیری و روندهای آینده در محاسبات ممتیک

الگوریتم ممتیک

. الگوریتم ممتیک یک الگوریتم تکاملی و مبتنی بر جمعیت برای مسائل پیچیده و بزرگ است که از ترکیب الگوریتم ژنتیک با یک الگوریتم ابتکاری دیگر حاصل می شود. طراحی و جایگاه بکارگیری این الگوریتم ابتکاری بسته به مسائل مختلف، متفاوت می باشد. الگوریتم ممتیک برای سرعت و دقت بیشتر به وجود آمدند. این کار را محققان با الهام گرفتن از ایده میم (meme) به عنوان جستوجوگرهای محلی الگوریتم هایی را پیشنهاد دادند. که با این کار روی جواب های بدست آمده بهبود حاصل می شود. با این کار فرآیند جستجو سریع تر و کاراتر می شود. انجام پاورپوینت

اهداف مهم طراحی شده توسط الگوریتم ممتیک برای کارآمدتر شدن جستجو

الگوریتم های بهینه سازی باید کارآمد باشند. به عنوان مثال آنها باید قادر به پیداکردن یک راه حل قابل قبول در یک زمان کوتاه باشند.
الگوریتم های بهینه سازی بر اساس تعریف، مبتنی بر هدف هستند. نمایش اعضای جمعیت به عنوان راه حل های کاندید، مشارکت و رقابت آنها برای رسیدن به هدف در حین فرآیند جستجو، مبین این تعریف می باشد.
با توجه به واقعیت درجه توازی بالا، الگوریتم ژنتیک یک رویه جستجوی کورکورانه را با استفاده از منابع عظیم که تنها شامل یک جمعیت کوچک در یک زمان کوتاه می باشد، ارائه می کند. بنابراین همگراشدن سریع و عدم بهره گیری از خاصیت توزیع اطلاعات از معایب آن می باشد. در نتیجه نیاز به مؤلفه های دیگری برای تغییر
راه حل ها احساس می شود. این مسأله می تواند با اعمال درجه ای از جستجوی همسایگی مرتفع گردد.

توجه: