机构名称：
¥ 1.0
Divya Rawat 1，Pushpendra Singh 2 1,2电气工程系，政府。女子工程学院，印度AJMER-305002摘要蛾火焰优化（MFO）算法是Swarm Intelligence家族的成员，可用于解决各个现实世界中的复杂优化问题。MFO及其不同的变化，可以简单地理解和易于操作。这些算法在解决诸如电力和能源系统，工程设计，经济调度，图像处理和医疗应用等各个领域的优化问题方面取得了巨大成功。这篇全面的评论探讨了MFO的不同变体，包括经典版本，二进制类型，修改版本，混合版本，多目标版本以及不同扇区中MFO算法的应用方面。此外，提出了MFO算法的评估以评估其相对于其他算法的性能。该文献的主要重点是对MFO及其应用进行调查和分析。此外，总结的评论部分深入研究了MFO算法及其变体的潜在研究方向。关键字：飞蛾火焰优化（MFO），蛾火焰优化算法（MFOA），复杂优化，MFO分析，应用程序。1。辛格拉姆 - 弗拉姆优化算法是一种新的元启发式优化方法，该方法是由Seyedali Mirjalili在2015年提出的，基于夜间特殊导航方法的飞蛾行为的模拟。他们利用一种称为横向方向的机制进行导航。在这种方法中，飞蛾通过保持相对于月球的固定角度而飞行，这是一种非常有效的机制，可以在直路上长距离行驶，因为月球远离飞蛾。这种机制确保了夜间直线飞翔的飞蛾。但是，我们通常会观察到飞蛾在灯光周围螺旋飞行。实际上，飞蛾被人工灯所欺骗并表现出这种行为。由于这种光非常接近月球，因此，保持与光源相似的角度会导致飞蛾的螺旋蝇路径。在MFO算法中，飞蛾以对数螺旋的方式在火焰中飞来飞去，并最终汇聚到火焰。螺旋方式表示勘探区域，并确保利用最佳解决方案。优化是指为特定问题找到最佳解决方案的过程。随着问题的复杂性增加，在过去的几十年中，对新优化技术的需求比以前更为明显。数学优化技术曾经是在提出启发式优化技术提出之前优化问题的唯一工具。数学优化方法主要是遇到一个主要问题的确定性：local
使用飞蛾优化的有效算法（...
主要关键词
相关文件推荐
