SCI二区top论文人工大猩猩优化器（GTO）独家原创发布！适合发表paper！

改进简单介绍

Abdollahzadeh等人提出的人工大猩猩部队优化器（Artificial gorilla troops optimizer,GTO）主要灵感来自自然界大猩猩群体社会智能行为的启发。在这个算法中，大猩猩的集体生活被数学化，并设计了新的机制来进行探索和开发。该成果于2021年发表在二区top期刊“INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS”上面，期刊影响因子：7。该论文比较受欢迎，从发表至今在web of science中已被引用396次。想要尝试投该期刊的朋友可以考虑试试！

文献来源：Artificial gorilla troops optimizer: A new nature-inspired metaheuristic algorithm for global optimization problems

DOI：10.1002/int.22535

NFL定理证明，没有哪一个算法在所有优化问题上面都表现优异，因此这便是对GTO进行改进创作的根本动机，也是大家能够一直不断改进创作群智能的重要原因！

代码里面将改进点加上了中文注释。方便读者书写并学习创新点！

将多策略改进的人工大猩猩部队优化器（IGTO）和其他9种竞争算法在CEC2017测试集（10、30、50、100）的4种不同维度上面进行仿真实验，通常写sci论文时就放3种不同维度即可，常用的是（30、50、100）维。竞争对比算法包括：经典算法(WOA、MFO、DBO、GJO)、2024年新兴算法（CPO、GOOSE、NRBO），其中牛顿-拉夫逊优化器（Newton-Raphson-based optimizer，NRBO）为sci二区top算法。鹅算法(GOOSE algorithm,GOOSE)是sci四区算法。冠豪猪优化器（Crested Porcupine Optimizer，CPO）是sci一区top算法。

程序可读性很高，带有中文注释，代码一键运行“main_30”出所有实验结果，里面收敛曲线和箱线图都是代码自动保存的高质量图片，数据都是算法统一运行30次后计算得到的相应评价指标，包括Friedman检验、P值秩和检验、平均值(Ave)和标准差(Std)。这些同样也是sci论文里面常用的实验手段和评价指标。

下面是IGTO和其他9种竞争算法在CEC2017测试集（10、30、50、100）上的实验结果：

10维：

F30

收敛曲线

箱线图

均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的IGTO是加粗最多的，表明IGTO的寻优值更加精确！

P值秩和检验实验结果：当P<0.05时表明竞争算法与IGTO存在显著性差异。由实验结果很容易看出所有竞争算法与IGTO基本大多数都存在显著性差异，表明提出的IGTO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，IGTO排名第一！

30维：

F22

收敛曲线

箱线图

均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的IGTO是加粗最多的，表明IGTO的寻优值更加精确！

P值秩和检验实验结果：当P<0.05时表明竞争算法与IGTO存在显著性差异。由实验结果很容易看出所有竞争算法与IGTO基本大多数都存在显著性差异，表明提出的IGTO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，IGTO排名第一！

50维：

F22

收敛曲线

箱线图

均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的IGTO是加粗最多的，表明IGTO的寻优值更加精确！

P值秩和检验实验结果：当P<0.05时表明竞争算法与IGTO存在显著性差异。由实验结果很容易看出所有竞争算法与IGTO基本大多数都存在显著性差异，表明提出的IGTO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，IGTO排名第一！

100维：

F1

收敛曲线

箱线图

均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的IGTO是加粗最多的，表明IGTO的寻优值更加精确！

P值秩和检验实验结果：当P<0.05时表明竞争算法与IGTO存在显著性差异。由实验结果很容易看出所有竞争算法与IGTO基本大多数都存在显著性差异，表明提出的IGTO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，IGTO排名第一！

所有文件如下，可以看见管理很规范，每个都是独立的.m文件，不会乱七八糟：