CEC2017：多种经典智能优化算法跑cec2017测试集

CEC2017是当前使用最广泛的测试集，它能有效评估算法的性能，本期我们介绍多种经典智能算法跑CEC2017，这些算法被广泛研究，包括引用超过五千次的高被引算法（PSO，GSA，GWO，WOA）和最近提出来的高性能算法（AVOA，GTO，DBO，SO），每个算法都是独立的.m文件，方便管理和二次开发，算法具体描述如下：

第一，粒子群优化算法(Particle Swarm Optimization, PSO) 是James Kennedy和Russell Eberhart在1995年受到鸟群觅食行为的规律性启发提出的算法。第二，引力搜索算法（Gravitational Search Algorithm，GSA）是Esmat Rashedi等人在2009年基于万有引力定律和粒子间相互作用提出的算法。第三，灰狼优化算法（Grey Wolf Optimizer，GWO）是 Mirjalili 等人在2014年到了灰狼捕食猎物活动的启发提出来的一种群智能优化算法。第四，鲸鱼优化算法 (Whale Optimization Algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili 等提出的一种新的群体智能优化算法。第五，非洲秃鹫优化算法（African Vultures Optimization Algorithm，AVOA）由Benyamin Abdollahzadeh等人受非洲秃鹫的觅食和导航行为启发于2021年提出，该算法速度快，求解精度高，广泛应用于单目标优化。人工大猩猩部队优化算法（Artificial gorilla troops optimizer，GTO），是于2021年提出的一种新型智能优化算法，该算法主要通过，模拟大猩猩全体的生活行为来进行寻优，具有寻优能力强，收敛速度快等特点。第七，蜣螂优化算法（Dung beetle optimizer，DBO）由Jiankai Xue和Bo Shen于2022年提出，该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为的启发所得。 第八，蛇优化算法（Snake Optimizer，SO）由Fatma A. Hashim和Abdelazim G. Hussien于2022年提出，该算法模拟了蛇的觅食和繁殖行为。

部分主函数代码和运行结果如下：

​

​

​

​