راهنمای جامع الگوریتم بهینه‌سازی پروانه-شعله ۲۰۲۲
Handbook of Moth-Flame Optimization Algorithm 2022

الگوریتم بهینه‌سازی پروانه-شعله، یک فراتحلیل اکتشافی نوظهور است که به‌طور گسترده در علم و صنعت مورد استفاده قرار گرفته است. حل مسائل بهینه‌سازی با استفاده از این الگوریتم مستلزم پرداختن به چالش‌های متعددی است، از جمله اهداف چندگانه، محدودیت‌ها، متغیرهای تصمیم‌گیری باینری، فضای جستجوی بزرگ‌مقیاس، تابع هدف پویا و پارامترهای نویزی.

«راهنمای جامع الگوریتم بهینه‌سازی پروانه-شعله: انواع، ترکیبات، بهبودها و کاربردها»، تحلیلی عمیق از این الگوریتم و روش‌های موجود در منابع علمی برای مقابله با این چالش‌ها ارائه می‌دهد.

ویژگی‌های کلیدی:

• مروری بر منابع علمی الگوریتم بهینه‌سازی پروانه-شعله
• ارائه تحلیلی عمیق از معادلات، مدل‌های ریاضی و سازوکارهای الگوریتم بهینه‌سازی پروانه-شعله
• پیشنهاد انواع مختلفی از الگوریتم بهینه‌سازی پروانه-شعله برای حل مسائل بهینه‌سازی باینری، چندهدفه، نویزی، پویا و ترکیبی
• نمایش نحوه طراحی، توسعه و آزمایش ترکیبات مختلف الگوریتم بهینه‌سازی پروانه-شعله
• معرفی چندین حوزه کاربردی الگوریتم بهینه‌سازی پروانه-شعله

این راهنما برای محققان در زمینه محاسبات تکاملی و فراتحلیل‌های اکتشافی و همچنین علاقه‌مندان به استفاده از الگوریتم بهینه‌سازی پروانه-شعله و روش‌های هوش جمعی به‌طور کلی در حوزه‌های کاربردی مختلف، مفید خواهد بود.

Moth-Flame Optimization algorithm is an emerging meta-heuristic and has been widely used in both science and industry. Solving optimization problem using this algorithm requires addressing a number of challenges, including multiple objectives, constraints, binary decision variables, large-scale search space, dynamic objective function, and noisy parameters.

Handbook of Moth-Flame Optimization Algorithm: Variants, Hybrids, Improvements, and Applications provides an in-depth analysis of this algorithm and the existing methods in the literature to cope with such challenges.

Key Features:

• Reviews the literature of the Moth-Flame Optimization algorithm
• Provides an in-depth analysis of equations, mathematical models, and mechanisms of the Moth-Flame Optimization algorithm
• Proposes different variants of the Moth-Flame Optimization algorithm to solve binary, multi-objective, noisy, dynamic, and combinatorial optimization problems
• Demonstrates how to design, develop, and test different hybrids of Moth-Flame Optimization algorithm
• Introduces several applications areas of the Moth-Flame Optimization algorithm

This handbook will interest researchers in evolutionary computation and meta-heuristics and those who are interested in applying Moth-Flame Optimization algorithm and swarm intelligence methods overall to different application areas.