基于CEC2017测试函数的IBKA改进黑翅鸢优化算法（2024年提出的较新算法，SCI一区，IBKA采用了非常新颖的策略）

基于CEC2017测试函数的IBKA改进黑翅鸢优化算法（2024年提出的较新算法，SCI一区，IBKA采用了非常新颖的策略）

本文提出一种改进方法对其改进，并在CEC2017测试函数上进行效果验证。该算法在单峰、多峰和固定多峰上均远远优于原算法（BKA），对1区提出来的算法进行研究，有助于自己发paper。

对比算法：SHO（海马优化器）、AVOA（非洲秃鹫优化算法）、WOA（鲸鱼优化算法）、BKA（黑翅鸢优化算法）、DBO（蜣螂优化算法）。

//需要注意，有的商家采用一些非常差的对比算法，来衬托自己改进效果显著，最优值是几百的函数，采用的对比算法收敛值几万几十万//

初始条件设置：最大迭代次数500、初始种群数量30、独立运行次数10（即一键运行，得到30次运行的结果）

评价指标：最优值、最差值、平均值、标准差

此改进的亮点主要有以下几个方面:

改进1：更改原算法中1处结构，使其更加合理。

改进2：更改位置更新公式，引入种群中值、种群均值的概念。

改进3：引入最优领导者即最优值的概念，改进另一处位置更新公式。

改进4：完美融合GTO优化算法（人工大猩猩部队优化算法），具体如何融合见代码，以上策略代码中均有标注。

CEC2017测试函数，不是随意策略的叠加就能有好效果的，本改进绝没有采用任何LEVY飞行，浑沌映射或者是各种变异的常见策略。

IBKA效果非常好，CEC2017测试函数中，全面碾压原算法(BKA)和其他算法。

很多人出售改进算法跑2005也好，或者是2017也好，不会放出所有结果；IBKA中CEC2017全部测试函数结果都给出来，没什么藏着掖着的，好就是好（27个测试函数，27个都比原来好，26个最优）。

首发，都是自己想出来的，效果如下，有需要的可跳转

基于CEC2017测试的IBKA改进黑翅鸢优化算法（2024年提出的较新算法，SCI一区，IBKA采用了非常新颖的策略）基于CEC2017测试函数的IBKA改进黑翅鸢优化算法（2024年提出的较新算法，SCI一区，IBKA采用了非常新颖的策略）本文提出一种改进方法对其改进，并在CEC2017测试函数上进行效果验证。该算法在单峰、多峰和固定多峰上均远远优于原算法（BKA），对1区提出来的算法进行研究https://mbd.pub/o/bread/ZpmXm5lx