超越单一算法！AO和AVOA的完美结合，IHAOAVOA助你解决全局优化难题！

天鹰优化( AO )和非洲秃鹫优化 ( AVOA )是两个新开发的元启发式算法，分别模拟了自然界中天鹰和非洲秃鹫的几种智能狩猎行为。

AO具有强大的全球勘探能力，但其局部开采阶段不够稳定。另一方面，AVOA具有良好的开发能力，但勘探机制不足。

基于这两种算法的特点，本文提出了一种改进的AO和AVOA混合优化器IHAOAVOA，以克服单一算法中的不足，为求解全局优化问题提供更高质量的解决方案。

首先，将AO的勘探阶段和AVOA的开采阶段结合起来，保留各自有价值的搜索能力。

然后，设计了一种新的复合反向学习算法( COBL )，以增加种群多样性，帮助混合算法跳出局部最优。

此外，为了更有效地指导搜索过程，平衡探索和利用，引入适应度-距离平衡( FDB )选择策略对核心位置更新公式进行修正。

算法流程图：

算法伪代码：

算法原理：详见原文

算法仿真分析：

F1

F2

F3

F4

F5

F6

F7

由此可见，此改进算法效果极好，基本上如原文所说，完美融合了两个算法得优点，同时又通过新的机制，是全局搜索更强。

对于改进混合算法具有很大得参考价值。

参考文献：IHAOAVOA: An improved hybrid aquila optimizer and African vultures optimization algorithm for global optimization problems

matlab源码获取：https://mbd.pub/o/bread/ZZiYm5du