Algorithme d'optimisation : Moth chassant la lumière (MFO)

L'algorithme d'optimisation des papillons de nuit (MFO) est un algorithme méta-heuristique qui résout divers problèmes d'optimisation en imitant le mouvement des papillons de nuit. L'algorithme a été largement utilisé dans des domaines tels que les systèmes électriques et énergétiques, la répartition économique, la conception technique, le traitement d'images et les applications médicales.

Inspiration du papillon dans l'algorithme d'optimisation des flammes (MFO)

La nuit, les papillons se rassemblent souvent autour des lumières. Cela est dû au fait qu’ils s’appuient sur un mécanisme de positionnement latéral pour une navigation spécialisée. Les papillons de nuit ont besoin d’une source de lumière distante pour voler en ligne droite, et ils maintiendront un angle fixe par rapport à la source de lumière. Bien que le positionnement latéral soit efficace, on observe souvent des papillons volant en spirale autour de la lumière. En effet, les papillons sont trompés par la lumière artificielle, ce qui les amène à se comporter de cette façon. Afin de maintenir un angle constant par rapport à la source lumineuse, le papillon finira par tourner autour de la source lumineuse.

Organigramme de l'algorithme d'optimisation de Moth à Flame (MFO)

Logique de l'algorithme d'optimisation de Moth à Flame (MFO)

Dans l'algorithme d'optimisation de Moth à Flame (MFO), la solution candidate est supposée être un papillon de nuit et le problème La variable est la position du papillon dans l'espace. Par conséquent, les papillons peuvent voler dans l’espace en changeant leur vecteur de position.

Il est important de noter que les mites et les flammes sont des solutions, mais elles sont traitées et mises à jour différemment à chaque itération.

Le papillon est une position qui se déplace dans l'espace de recherche, et la flamme représente la meilleure position du papillon obtenue jusqu'à présent. En d’autres termes, la flamme peut être considérée comme un point de guidage central pour les papillons dans leur recherche, autour duquel chaque papillon recherche et met à jour à mesure qu’il trouve une meilleure solution. Ce mécanisme permet à l’algorithme papillon de toujours maintenir une solution optimale.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!