ر این الگوریتم هر یک از اعضا یعنی کرم های شب تاب به سمت نقطه ای حرکت می کنند و نورهای کوتاهی را برای جذب جفت از خود ساطح می کنند ، که نرخ و نحوه ی تابیدن نور و میزان فاصله ی زمانی که بین سیگنالهای نور ارسالی و جود دارد
، باعث جذب دو جنس به یکدیگر می شود.و درنهایت از ترکیب جفت های جذب شده جامعه ای بهینه تر به وجود می آید.کاربرد عمده این الگوریتم در حل مسائل بهینه سازی توابع غیر خطی می باشد.این الگوریتم از رفتار گونه های طبیعی الهام میگیرد و مبتنی بر هوش جمعی است.
مفهوم بهینه سازی بدین صورت است که در بین پارامتر های یک تابع دنبال یک مقدار باشیم که تابع را بیشینه یا کمینه کند.کلیه مقادیر مناسب جهت این امر را راه حل های ممکن و مناسب ترین مقدار را راه حل بهینه می نامند. به طور کلی الگوریتم های بهینه سازی را می توان به دو دسته تقسیم کرد:
الگوریتم های قطعی
مانند الگوریتم تپه نوردی: الگوريتم جستجوي تپه نوردي شامل حلقه اي است که در جهت افزايش مقدار، پيوسته حرکت مي کند(نسخه تندترين شيب) و زماني متوقف مي شود که به نقطه اوجي برسد که همسايه اي بالاتر نداشته باشد.این الگوریتم ها امکان دارد که در یک محل گیر کنند و نتیجه مثبتی را ارائه ندهند.
الگوریتم های تصادفی
مانند الگوریتم جستجوی حرارت
، یا ژنتیک و یا کرم شب تاب.الگوریتم های تکامل پذیر روش هایی بر مبنای جستجوی تصادفی هستند که از مدل سازی تکامل بیولوژیکی طبیعی الگوبرداری شده اند.انها بر روی پاسخهای ممکنی کار می کنند که از ویژگی برتری برخوردارند و نیز بقایای نسلشان بیشتر است لذا امکان این که پاسخشان بهینه باشد بیشتر است.در هر نسل دسته ی جدیدی از تخمین ها بر مبنای انتخاب اعضای با میزان برازندگی بیشتر تولید شده و انها مشابه آنچه که در طبیعت رخ می دهد با هم تلفیق شده و نسل جدید را به وجود می آورند
.تکرار این روند باعث می شود که هر نسل از نسل قبل تر خود بهینه تر باشد.این الگوریتم ها فرآیندهای طبیعی زیر را شبیه سازی می کنند
انتخاب
ترکیب
جهش
مهاجرت
محال
همسایگی
و.
..
این الگوریتم ها بر روی جامعه ای از افراد به جای یک پاسخ تک کار می کنند ، از این رو جستجو به صورت موازی می تواند صورت گیرد.
الگوریتم کرم شب تاب یک الگوریتم برگرفته از طبیعت و هوش جمعی است که توسط دکتر یانگ در سال 2008 ارائه شد.این الگوریتم یک تکنیک جدید مبتنی بر رفتارهای جمعی است که از رفتار های اجتماعی کرم های شب تاب در طبیعت الهام گرفته شده است.
این الگوریتم دارای ویژگیهایی است مانند
سرعت همگرایی بالا
انعطاف پذیری
قدرت بالا در جستجوی محلی
عدم حساسیت به مقادیر اولیه
این الگوریتم در بهینه سازی چند وجهی و بهینه سازی توابع تست تصادفی به کار گرفته شده است.