گسسته­سازی باینری الگوریتم فاخته
 

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:

با سلام
اگر امکانش هست در مورد این روش مطالب بیشتری قرار دهید من نیاز دارم