آموزش الگوریتم میگو در متلب 

الگوریتم Krill Herd یا الگوریتم کریل ها یا الگوریتم میگو ها توسط امیر حسین گندمی و امیر حسین علوی در سال ۲۰۱۲ برای بهینه سازی مدل ریاضی ارایه گردید. الگوریتم Krill Herd جز الگوریتم های هوش ازدحامی دسته بندی می شود و حرکت دسته جمعی کریل ها را برای یافتن غذا مورد بررسی قرار داده است . با استفاده از این الگوریتم می توان به حل مسائلی که در کلاس Np-Hard قرار می گیرند ، پرداخت و اینگونه مسائل را که دارای حل دقیق در زمانی منطقی  نیستند را  حل نمود و جوابی موجه و نزدیک به بهینه برای آن ها پیدا کرد. این الگوریتم بر اساس شبیه سازی حرکات و رفتار دسته ای از کریل ها برای یافتن غذا عمل می نماید. در الگوریتم Krill Herd کمترین فاصله بین هر کریل تا غذا و فاصله تا جمعیت متمرکز دسته کریل ها به عنوانی تابع هدف برای حرکت کریل ها در نظر گرفته می شود. محل وابسته به زمان برای هر کریل در الگوریتم Krill Herd توسط سه فاکتور فرمول بندی می شود از الگوریتم میگو در حل انجام پروژه داده کاوی و بهینه سازی استفاده فراوان میشود
۱- حرکت القایی توسط دیگر کریل ها
۲- کاوش برای پیدا کردن غذا
۳- حرکت به صورت رندم
مزیت ها:
از مزیت های الگوریتم Krill Herd می توان به موارد زیر اشاره نمود :
هر عضو می توانند تاثیر به سزایی در حرکت داشته باشد و این تاثیر بر اساس میزان تابع هدف هر عضو تعیین می شود.
هر عضو همسایه می تواند تاثیر جاذبه و یا دافعه بر هر حرکت عضو تکی داشته باشد ، که این خاصیت می تواند نوعی جستجوی محلی برای الگوریتم باشد.
مراکز غذا بر اساس میزان تابع هدف تمام کریل ها مشخص می شود.
برای افزایش کیفیت جواب های الگوریتم Krill Herd دو اپراتور جهش mutation و تقاطعcrossover مورد استفاده قرار گرفته شده است .

این آموزش بسیار جالب و کاربردی را میتوانید از لینک زیر دریافت کنید