روش دوم:
در این پست يكي ديگر از ایدههای مربوط به گسستهسازی الگوریتم فاخته، با توجه به طبقهبندی ذکر شده در
تاپيك قبل، شرح داده میشود. دومين ايده گسسته سازي، الگوريتم فاخته باينري مي باشد.
فراموش نكنيد كه مطالب اين بخش عينا از پاياننامه خانم محمودي برداشته شده است، در صورت استفاده از آنها لازم است حتما به اين پاياننامه رفرنس دهيد تا بطور ناخواسته مشمول قوانين دزدي آثار علمي نشويد.
عنوان پاياننامه:
"گسستهسازی الگوریتم بهینهسازی فاخته - مطالعه موردی: مسئله رنگآمیزی گراف"، شادي محمودي، پایان‌نامه دوره کارشناسی ارشد در رشته مهندسی نرمافزار کامپیوتر - گرایش هوش مصنوعی، موسسه آموزش عالی نبی اکرم (ص)، تبريز، ايران، شهريور 1391
الگوريتم فاخته باينري
در این بخش جهت تبدیل COAپیوسته به فضای باینری، عملگر مهاجرت COA به صورت زیر باز تعریف میشود. فرض کنید XGoal و XCurrenPostion به ترتیب نقطه هدف جاری و موقعیت جاری یک فاخته در جمعیت باشد. ما موقعیت بعدی فاخته (XNextHabitat) را به شکل زیر محاسبه میکنیم:
برای اینکه موقعیت جدید برای فضای باینری مناسب باشد از تابع سیگموید برای نگاشت XNextHabitat به محدوده 0 و 1 به شکل زیر استفاده کردیم:
سپس بر اساس رابطه زير مقدار موقعیت به مقدار باینری 0 و 1 تغییر مییابد (در رابطه زير، rand يك عدد تصادفی یکنواخت میباشد)
شبه کد الگوریتم باینری فاخته که BCOAنامیدیم، به شرح زیر است: