الگوریتم بهینه سازی شمع و پروانه

قبل از پرداختن به پاورپوینت الگوریتم شمع و پروانه MFO توضیحات مختصری از الگوریتم ارائه می‌دهیم. الگوریتم شمع و پروانه یا MFO یکی از الگوریتم های بهینه سازی و فراابتکاری است که از رفتار پروانه‌ها در کنار شعله یا آتش روشی برای حل مسئله پیدا می‌کند. این الگوریتم در سال ۲۰۱۵ توسط سید علی میر جلیلی در مقاله‌ای تحت عنوان:

Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm

در ژورنال Knowledge-Based Systems مطرح شد. الگوریتم شعله پروانه با نام‌های دیگری همچون الگوریتم پروانه آتش، الگوریتم MFO، الگوریتم پروانه شعله نیز شناخته می‌شود. این الگوریتم یک الگوی اکتشافی نوین الهام گرفته از طبیعت و رفتار پروانه‌ها و علاقه مندی آن‌ها به شعله یا آتش است.

الهام بخش اصلی این بهینه ساز روش ناوبری پروانه‌ها در طبیعت به نام جهت گیری عرضی (transverse orientation) است. پروانه‌ها با حفظ یک زاویه ثابت با توجه به ماه، پرواز در شب را برای مسافت‌های طولانی انجام می‌دهند. ولی این حشرات در یک مسیر مارپیچی بی فایده و کشنده در اطراف چراغ‌های مصنوعی به دام می‌افتند.

در الگوریتم پروانه آتش به‌صورت ریاضی از این رفتار پروانه‌ها برای انجام بهینه سازی استفاده می‌شود. الگوریتم MFO با سایر الگوریتم‌های شناخته شده الهام گرفته از طبیعت شباهت‌های زیادی دارد و نتایج آماری در مورد توابع معیار نشان می‌دهد که این الگوریتم قادر به ارائه نتایج بسیار امیدوارکننده و رقابتی است.

اگر فردی علاقه مند به اطلاعات الگوریتم های بهینه سازی هوشمند هستید؛ پیشنهاد می‌کنیم به پاورپوینت آماده الگوریتم های بهینه سازی هوشمند نگاهی بیندازید.

پاورپوینت الگوریتم شمع و پروانه MFO

در الگوریتم MFO، فرض بر این است که راه حل‌های کاندید پروانه‌ها هستند و متغیرهای مسئله موقعیت پروانه‌ها در فضا است. بنابراین، پروانه‌ها با تغییر بردارهای موقعیتی خود می‌توانند در فضای یک بعدی، دو بعدی یا سه بعدی پرواز کنند. از آن‌جا که الگوریتم MFO یک الگوریتم مبتنی بر جمعیت است، مجموعه پروانه در یک ماتریس (مثلاً M) نمایش داده می‌شود.

آرایه‌ای نیز برای تمامی پروانه‌ها برای ذخیره مقادیر تناسب (OM) وجود دارد. یکی دیگر از مؤلفه‌های اصلی در الگوریتم یک ماتریس شبیه به ماتریس پروانه‌ها است که ماتریس شعله یا آتش (F) است و یک آرایه نیز با نام OF برای ذخیره کردن مقدار تابع تناسب آن استفاده می‌شود.

در اینجا لازم به ذکر است که پروانه‌ها و شعله‌ها هر دو راه حل هستند. تفاوت بین آن‌ها نحوه برخورد و بروزرسانی آن‌ها در هر تکرار است. پروانه‌ها عوامل جستجوی واقعی هستند که در فضای جستجو حرکت می‌کنند ، در حالی که شعله‌های آتش بهترین موقعیت پروانه‌ای هستند که تاکنون به‌دست آمده است. به عبارت دیگر ، شعله‌ها را می‌توان پرچم‌ها یا پین‌هایی دانست که هنگام جستجوی فضای جستجو ، توسط پروانه‌ها فرو می‌روند.

در راستای این موضوع، پاورپوینت‌های آماده متنوعی موجود است. برای نمونه می‌توان پاورپوینت الگوریتم بهینه سازی میمون عنکبوتی SMO را نام برد.

فهرست مطالب پاورپوینت الگوریتم شمع و پروانه MFO

• الگوریتم شمع و پروانه MFO (تاریخچه و ایده اصلی)
• توضیح و تشریح الگوریتم MFO
• چارچوب کلی الگوریتم
• مقدار دهی اولیه پروانه‌ها
• حرکت مارپیچی لگاریتمی
• به روزرسانی موقعیت یک پروانه
• شبه کد الگوریتم MFO
• نتیجه گیری

درباره محصول

پاورپوینت الگوریتم شمع و پروانه عنوان اثری است که در این پست به آن پرداخته شده است. این پاورپوینت در نرم مایکروسافت پاورپوینت Microsoft Powerpoint نوشته شده و دارای ۱۶ اسلاید است همچنین به همراه پاورپوینت مقاله اصلی به‌صورت PDF برای آموزش و درک بهتر در اختیار شما قرار می‌گیرد.

این اثر به‌صورت کامل توسط گروه پشتیبانی پی استور تست و بازبینی شده است و دارای نشان تضمین کیفیت پی استور می‌باشد. برای دانلود پاورپوینت آماده آن را خریداری کنید.

افزون بر پاورپوینت‌های آماده در موضوعات مختلف؛ انواع قالب پاورپوینت پایان نامه نیز در مجموعه ای پی استور موجود است که با تنوعی که دارد می‌تواند در تحقیقات و پژوهش‌هایتان یاری‌گر شما باشد.