SCI一区论文蛇优化器（SO）独家原创改进！适合发表paper！

购买改进/原创算法避坑指南

这会触及很多人的利益，但是不得不发声，教大家避坑！因为现在元启发式/群智能算法改进、原创算法市场太乱了，导致产生了很多受害者。

1、增加复杂度的不要买，大家可以叫商家给出运行时间比较作为参考。

2、买原创算法的也注意，很多人是增加复杂度去和别人作比较，可以提要求，把迭代次数换成评估次数试试？？？或者说喊他们放出运行时间比较？？？不要看对比的算法多，测试集多就觉得这个算法很牛。目前很多审稿意见都有提到这个问题。值得大家重视！

3、把线性种群减少去掉的代码不要买，除非使用了标准的评估手段，CEC大多数测试集都是评估次数为10000×问题维度。

4、用迭代次数比较的，一定一定要注意是否增加复杂度！基本上看CEC2017的运行时间即可。

最后希望大家都能买到心仪的代码，不要被欺骗！！！

中科院一区top蛇优化器（SO）独家原创改进！适合发表！

Hashim等人提出的蛇优化器（Snake Optimizer,SO）主要灵感来自蛇的觅食和特殊交配行为。该成果于2022年发表在一区top期刊“Knowledge-Based Systems”上面，期刊影响因子：8.8。目前是高被引论文，在web of science中已被引用302次！该期刊对国人还算友好，想要冲刺一区的朋友可以考虑试试！

文献来源：Snake Optimizer: A novel meta-heuristic optimization algorithm

DOI：10.1016/j.knosys.2022.108320

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SO进行改进创作的原始动机，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！

将多策略改进的蛇优化器（XXSO：具体可以自己命名）和其他9种竞争算法在CEC2017测试集（30、50、100）的3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(GWO、AVOA)、改进算法（PPSO、EGWO）、2024年新算法（CPO、GOOSE、PO、BFO）。

程序可读性很高，带有中文注释，代码一键运行: “main_30”和“main_plot”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。

实验结果：

30维

F10

运行时间对比

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XXSO是加粗最多的，表明XXSO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XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异，表明提出的XXSO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，XXSO排名第一！

50维

F15

运行时间对比

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XXSO是加粗最多的，表明XXSO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XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异，表明提出的XXSO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，XXSO排名第一！

100维

F30

运行时间对比

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XXSO是加粗最多的，表明XXSO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XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异，表明提出的XXSO性能与竞争算法存在差异！

Friedman检验实验结果：显而易见，XXSO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：