设计风格网站欣赏,专业网站定制设计公司,如何建立公司网站招标,公司公共邮箱怎么申请目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景
2015年#xff0c;Mirjalili等人受到飞蛾受到火焰吸引行为启发#xff0c;提出了飞蛾算法(Moth-Flame Optimization#xff0c;MFO)。
2.算法原理
2.1算法思想
MFO基于自然界中飞蛾寻找光源的… 目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景
2015年Mirjalili等人受到飞蛾受到火焰吸引行为启发提出了飞蛾算法(Moth-Flame OptimizationMFO)。
2.算法原理
2.1算法思想
MFO基于自然界中飞蛾寻找光源的行为主要分为选择火焰-围绕飞行-移动三个阶段。
2.2算法过程
选择火焰 初始飞蛾数量和火焰数量相同每只飞蛾可以选择不同的火焰火焰数量表述为 f l a m e n o r o u n d ( N − l ∗ N − 1 T ) (1) \left.flame~noround(N-l\right.*\frac{N-1}T)\tag{1} flame noround(N−l∗TN−1)(1) 围绕飞行 飞蛾采用螺旋飞行方式寻找光源表述为 S ( M i , F j ) D i ⋅ e b t ⋅ cos ( 2 π t ) F j (2) S(M_i,F_j)D_i\cdot e^{bt}\cdot\cos(2\pi t)F_j\tag{2} S(Mi,Fj)Di⋅ebt⋅cos(2πt)Fj(2) 移动 飞蛾围绕火焰飞行至下一位置将下一位置与火焰位置进行排序适应度值度量作为下一次火焰位置。 伪代码
3.结果展示 4.参考文献
[1] Mirjalili S. Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm[J]. Knowledge-based systems, 2015, 89: 228-249.
