基于神经形态的元启发式算法：一种低功耗、低延迟和小体积的优化算法新 generation
神经与进化计算
2025-05-23 v1 人工智能
摘要
神经形态计算 (NC) 引入了一种新的算法范式，代表了从 Von Neumann 架构的传统数字计算方式的重大转变。NC 模拟或仿真大脑的神经动力学，呈现为放电神经网络 (SNN)。NC 研究的大部分工作集中在机器学习应用和神经科学仿真方面。本文探讨了使用 NC 范式对优化算法，特别是元启发式算法进行建模和实现，作为 Von Neumann 架构的替代方案，为解决优化问题带来了突破。神经形态元启发式算法 (Nheuristics) 被认为具有低功耗、低延迟和小体积特征。由于 NC 系统与传统 Von Neumann 计算机根本不同，设计和实现 Nheuristics 将面临若干挑战。本文对不同族系的元启发式算法和它们所针对的优化问题进行分类和批判性分析，提出指导方针。我们还讨论了需要解决的未来方向，以拓展 Nheuristics 的开发和应用。
引用
@article{arxiv.2505.16362,
title = {Neuromorphic-based metaheuristics: A new generation of low power, low latency and small footprint optimization algorithms},
author = {El-ghazali Talbi},
journal= {arXiv preprint arXiv:2505.16362},
year = {2025}
}