پاورپوینت الگوریتم MVO بهینه سازی چند نظمی Multi-Verse Optimizer

در این پست پاورپوینت الگوریتم MVO بهینه سازی چند نظمی Multi-Verse Optimizer قرار داده شده است. الگوریتم بهینه سازی چند نظمی Multi-Verse Optimizer یک الگوریتم فراابتکاری و مبتنی بر جمعیت است که توسط سید علی میرجلیلی Seyedali Mirjalili در سال 2015 در ژورنال The Natural Computing Applications از انتشارات Springer به چاپ رسیده است.

در ادامه قسمت های مختلف این پاورپوینت معرفی می شود.

الگوریتم MVO

قبل از معرفی پاورپوینت الگوریتم MVO بهتر است کمی در رابطه با الگوریتم MVO بحث شود. نظریه بیگ بنگ بحث می کند که جهان ما با یک انفجار بزرگ آغاز شده است. طبق این نظریه، انفجار بزرگ منشأ همه چیز در این جهان است و قبل از آن چیزی نبوده است. نظریه چند نظمی یا Multi Verse یکی دیگر از نظریه های اخیر و شناخته شده بین فیزیکدانان است.

در این تئوری اعتقاد بر این است که بیش از یک بیگ بنگ وجود دارد و هر بنگ باعث تولد یک جهان می شود. اصطلاح چند نظمی بر خلاف نظریه پیدایش یک جهان است، که به وجود جهان های دیگر علاوه بر جهانی که همه ما در آن زندگی می کنیم اشاره دارد.

جهان های مختلف با هم تعامل دارند و حتی ممکن است در نظریه چند نظمی با یکدیگر برخورد کنند همچنین ممکن است قوانین فیزیک مختلفی در هر یک از کیهان ها وجود داشته باشد. سه مفهوم اصلی نظریه چند نظمی به عنوان الهام بخش الگوریتم MVO انتخاب شده است:

•  سفیدچاله ها
•  سیاه چاله ها
•  کرم چاله ها

یک سفید چاله هرگز در جهان ما دیده نشده است ، اما فیزیکدانان تصور می کنند که انفجار بزرگ می تواند به عنوان یک سفید چاله تلقی شود و ممکن است مؤلفه اصلی تولد یک جهان باشد. همچنین در مدل حلقوی نظریه چند نظمی اینگونه استدلال می شود كه انفجار بزرگ، سفید چاله هایی را در جایی كه برخورد بین جهان های موازی اتفاق می افتد ایجاد کرده است.

سیاه چاله ها که به طور کامل در جهان مشاهده شده اند و برخلاف سفید چاله ها رفتار می کنند. آنها با نیروی گرانشی بسیار بالا همه چیز از جمله پرتوهای نور را جذب می کنند. کرم چاله ها قسمت های مختلف یک جهان را به هم وصل می کند. کرم چاله های موجود در نظریه چند نظمی مانند تونل های مسافرتی زمان و مکانی عمل می کنند که اشیاء قادر به حرکت فوری بین هر گوشه یک جهان (یا حتی از یک جهان به جهان دیگر هستند) هستند.

یک الگوریتم مبتنی بر جمعیت روند جستجو را به دو مرحله مهم تقسیم می کند: مرحله اکتشاف exploration و مرحله بهره برداری exploitation. در این الگوریتم از مفاهیم سفید چاله و سیاه چاله برای کشف فضاهای جستجو و از مفهوم کرم چاله در بهره برداری از فضاهای جستجو استفاده می شود.

فرض می کنیم که هر راه حل با یک جهان نشان داده شود و هر متغیر در هر جهان یک شیء در آن است. علاوه بر این، به هر راه حل یا جواب یک نرخ تورم اختصاص می یابد، که متناسب با مقدار عملکرد تابع تناسب مربوط به راه حل است.

همچنین در این الگوریتم از اصطلاح زمان به جای تکرار استفاده می کنیم زیرا این یک اصطلاح رایج در نظریه و کیهان شناسی چند نظمی است. در هنگام بهینه سازی ، قوانین زیر برای جهان ها در الگوریتم MVO اعمال می شود:

1. هرچه نرخ تورم یک راه حل (جهان) بالاتر باشد، احتمال داشتن سفیدچاله بیشتر است.
2. هرچه نرخ تورم یک راه حل (جهان) بالاتر باشد، احتمال داشتن سیاه چاله کمتر است.
3. جهان هایی که نرخ تورم بالاتری دارند ، تمایل به ارسال اشیاء از طریق سفید چاله ها دارند.
4. جهان هایی که نرخ تورم کمتری دارند تمایل به دریافت اشیاء بیشتری از طریق سیاه چاله ها دارند.
5. صرف نظر از نرخ تورم، اشیاء موجود در همه جهان ها ممکن است با حرکت تصادفی به سمت بهترین جهان از طریق کرمچاله ها انتقال یابند.

پاورپوینت الگوریتم MVO

پاورپوینت الگوریتم MVO در 16 صفحه بصورت فارسی به توضیح کامل الگوریتم و اصول کلی در آن می پردازذ. فهرست مطالب این پاورپوینت عبارت است از:

• الگوریتم بهینه ساز چند نظمی MVO (تاریخچه و ایده اصلی)
• الگوریتم MVO
• مرحله استخراج
• شبه کد مرحله استخراج
• مرحله بهره برداری
• شبه کد مرحله بهره برداری
• تعیین ضرایب اصلی مرحله بهره برداری
• شبه کد کلی الگوریتم MVO

در ادامه چند صفحه از اسلاید های این پاورپوینت را مشاهده می کنید:

درباره محصول

پاورپوینت الگوریتم MVO عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در نرم افزار ماکروسافت پاورپوینت Microsoft Powerpoint نوشته شده و دارای 16 اسلاید است همچنین به همراه پاورپوینت مقاله اصلی نیز در اختیار شما قرار می گیرد. محصول بصورت کامل توسط گروه پشتیبانی پی استور تست و بازبینی شده است.

محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.