飞蛾扑火优化算法（MFO）是元启发式算法的一种，通过模仿飞蛾运动的智能优化算法。现已成功地应用于电力和能源系统、经济调度、工程设计、图像处理和医疗应用等广泛领域的各种优化问题。
飞蛾扑火优化算法（MFO）灵感
夜间，飞蛾经常聚集在灯光周围，这是它们基于横向定位的机制在特殊导航。飞蛾依靠远处的光源才能直线飞行，通过将光源与自己保持固定角度来做到这一点。尽管横向定向很有效，但我们通常会观察到飞蛾在灯光周围呈螺旋状飞行。这是因为飞蛾被人造光欺骗并表现出这种行为。为了与光源保持恒定的角度，飞蛾最终围绕着光盘旋。
飞蛾扑火优化算法（MFO）流程图
飞蛾扑火优化算法（MFO）逻辑
在飞蛾扑火优化算法（MFO）算法中，假设候选解是飞蛾，问题的变量是飞蛾在空间中的位置。因此，飞蛾可以通过改变它们的位置向量在空间中飞行。
这里需要注意的是，飞蛾和火焰都是解。它们之间的区别在于我们在每次迭代中处理和更新它们的方式。
飞蛾是在搜索空间中移动的位置，而火焰是迄今为止获得的飞蛾的最佳位置。换句话说，火焰可以被认为是飞蛾在搜索搜索空间时核心标志，每只飞蛾都会围绕这一个标志进行搜索，并在找到更好的解时对其进行更新。有了这种机制，飞蛾算法永远存在一个最佳解决方案。
