الگوریتم BBBC (انگلیسی : Big Bang-Big Crunch Algorithm)، در ریاضیات (Mathematics)
انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :
الگوریتم BBBC (انگلیسی : Big Bang-Big Crunch Algorithm) :
📌 معرفی
الگوریتم بیگ بنگ-بیگ کرانچ (Big Bang-Big Crunch - BBBC) توسط ابراهیم پور و همکاران در سال ۲۰۰۶ معرفی شد. این الگوریتم از نظریه انفجار بزرگ (Big Bang) و انقباض بزرگ (Big Crunch) در کیهان شناسی الهام گرفته است. این یک الگوریتم مبتنی بر جمعیت با دو فاز اصلی است.
💥 فازهای الگوریتم
فاز بیگ بنگ (Big Bang Phase): در این فاز، انرژی به طور تصادفی در سراسر فضای جستجو پخش می شود و نقاط جدید (جواب های کاندید) به صورت تصادفی حول یک نقطه مرکزی (مرکز جرم) ایجاد می شوند. این مرحله معادل اکتشاف (Exploration) است.
فاز بیگ کرانچ (Big Crunch Phase): در این فاز، تمام نقاط ایجاد شده در فاز بیگ بنگ به یک نقطه مرکزی (مرکز جرم) کاهش می یابند. این مرکز جرم معمولا به صورت میانگین وزنی نقاط بر اساس برازندگی آنها محاسبه می شود. این مرحله معادل بهره برداری (Exploitation) است.
📐 فرمول محاسبه مرکز جرم
\[ x^c = \frac{\sum_{i=1}^{N} \frac{1}{f^i} x^i}{\sum_{i=1}^{N} \frac{1}{f^i}} \]که
\[ x^c \]مرکز جرم،
\[ x^i \]موقعیت نقطه iام،
\[ f^i \]مقدار برازندگی آن (برای مسائل کمینه سازی)، و N اندازه جمعیت است. پس از محاسبه مرکز جرم، نقاط جدید در فاز بیگ بنگ بعدی به صورت تصادفی حول این مرکز ایجاد می شوند.
