Jack旭的博客

《Python智能优化算法：从原理到代码实现与应用》出版啦

各位小伙伴，我们撰写的《智能优化算法及其MATLAB实现》由电子工业出版社出版了！欢迎大家参考学习！书籍在京东，当当网均有销售，直接去对应网站搜索书名即可！

智能优化算法改进算法摘要：为了方便大家对智能优化算法进行改进，复现多种智能优化改进算法供大家参考。所有代码均根据已经发表的文章，来复现方便大家参考别人的原理，代码会不定时更新。1.文献复现：基于变因子加权学习与邻代维度交叉策略的改进乌鸦算法Matlab代码 [1]赵世杰,高雷阜,于冬梅,徒君.基于变因子加权学习与邻代维度交叉策略的改进CSA算法[J].电子学报,2019,47(01):40-48.2.文献复现：自适应t 分布变异的缎蓝园丁鸟优化算法 Matlab代码 [1] 韩斐斐,刘升.基于自适

2020智能优化算法：麻雀搜索算法-附代码文章目录2020智能优化算法：麻雀搜索算法-附代码1.算法原理2.算法结果3.参考文献4.Matlab代码摘要：麻雀搜索算法(Sparrow Search Algorithm, SSA)是于2020年提出的。SSA 主要是受麻雀的觅食行为和反捕食行为的启发而提出的。该算法比较新颖，具有寻优能力强，收敛速度快的优点1.算法原理建立麻雀搜索算法的数学模型，主要规则如下所述：发现者通常拥有较高的能源储备并且在整个种群中负责搜索到具有丰富食物的区域，为所有的加

摘要：MTBO 算法是 Faridmehr 等人于 2023 年受登山队员登山过程中协作登顶行为启发而提出的一种新型元启发式优化算法。该算法通过模拟登山队员协作登山、灾害威胁、协调防御、队员更新实现队员位置更新来求解待优化问题，具有寻优能力强，收敛速度快等特点。

摘要：CO算法是Mohammad AminAkbari等人于2022年受自然界猎豹狩猎启发而提出一种新型群体智能优化算法。该算法通过模拟猎豹在狩猎过程中搜索、坐等和攻击3种策略来实现位置更新。具有寻优能力强，收敛速度快等特点。

摘要：WSO 算法是 Braik 等于 2022 年提出一种基于白鲨深海觅食策略的新型优化算法 .该算法灵感来自于白鲨敏锐的听觉和嗅觉功能,这些功能有助于白鲨探索整个搜索空间来追踪、定位和捕获猎物,并通过白鲨位置的不断更新来达到求解优化问题的目的。具有寻优能力强，收敛速度快等特点。

摘要：HBBO 是 Seyed-Alireza Ahmadi 于 2017 年基于人类行为而提出的一种新型元启发式优化算法。。具有寻优能力强，收敛速度快等特点。

摘要：塘 鹅 优 化 算 法（Gannet Optimization Algorithm， GOA） 是 2022 年 3 月 Pan 等根据塘的捕食行为提出的一种群优化算法。具有寻优能力强，收敛速度快等特点。

摘要：指数分布优化算法（Exponential distribution optimizer(EDO)）是于2023年提出的一种新型智能优化算法。该算法基于数学中的指数概念分布模型。具有寻优能力强，收敛速度快等特点。

摘要：斑马优化算法（Zebra Optimization Algorithm(ZOA)），是于2022年提出的一种基于斑马行为的优化算法，该算法通过模拟斑马行为来进行寻优，具有寻优能力强，收敛速度快等特点。

摘要：袋獾优化算法（Tasmanian Devil Optimization（TDO）），是于2022年提出的一种基于袋獾行为的优化算法，该算法通过模拟袋獾猎食行为来进行寻优，具有寻优能力强，收敛速度快等特点。

摘要：基于减法平均的优化算法（Subtraction-Average-Based Optimizer (SABO)），是于2023年提出的一种基于数学行为的优化算法，该算法通过使用个体的减法平均值来更新群体成员在搜索空间中的位置，具有寻优能力强，收敛速度快等特点。

鱼鹰优化算法（Osprey Optimization Algorithm (OOA)），是于2023年提出的一种基于鱼鹰行为的优化算法，该算法通过模拟鱼鹰猎食行为来进行寻优，具有寻优能力强，收敛速度快等特点。

摘要：基于驾驶训练的优化算法（Driving Training-Based Optimization (DTBO)），是于2022年提出的一种基于驾驶训练行为的优化算法，该算法通过模拟学习驾驶行为来进行寻优，具有寻优能力强，收敛速度快等特点。

摘要：浣熊优化算法（Coati Optimization Algorithm(COA)），是于2022年提出的一种基于浣熊行为的优化算法，该算法通过模拟浣熊猎食行为来进行寻优，具有寻优能力强，收敛速度快等特点。

XS1​XSNc​XSNc1​XSN​摘要：基于厨师的优化算法（Chef-Based Optimization Algorithm (CBOA)），是于2022年提出的一种基于人类行为的优化算法，该算法通过模拟厨师的烹饪行为来进行寻优，具有寻优能力强，收敛速度快等特点。

将二维卷积运算引入智能优化算法的种群位置更新过程,提出一种新的智能优化算法,即卷积优化算法(Convolution Optimization Algorithm,COA)。该算法主要包括卷积搜索和解质量增强 2 种机制:在卷积搜索过程中,分别定义纵向卷积核、横向卷积核和区域卷积核,依次进行二维卷积运算并更新种群的位置向量,然后将 3 种卷积核更新后的种群的位置向量进行随机权重或等比例权重相加,进一步更新种群的位置向量;

摘要：人工兔优化算法( [Artificial rabbits optimization，RSO)是 Liying Wang等 于 2022 年提出的一种新型元启发式优化算法 。 该算法受来源于自然界中兔子的生存策略的启发，具有寻优能力强，收敛速度快的特点。人工兔优化算法利用真实兔子的觅食和隐藏策略，并通过能量收缩在两种策略之间进行转换。兔子觅食时，总是寻找远的，而忽略了近处的。它们只在其他区域随机吃草，而不是在自己的区域，把这种觅食行为称为绕道 时，兔子很可能会扰乱食物来源以获得足够的食物。因此，ARO的

协作搜索算法( Cooperation search algorithm ，CSA)是 Zhong-kai Feng等 于 2021 年提出的一种新型元启发式优化算法。该算法受现代企业团队协作行为的启发，具有寻优能力强，收敛速度快的特点。

人工蜂鸟算法( AHA )是 ZHAO 等 于 2021 年提出的一种新型元启发式优化算法 . 该算法模拟了自然界中蜂鸟轴向飞行、对角飞行、全方位飞行 3 种特殊飞行技能和引导觅食、区域觅食、迁移觅食 3 种智能觅食策略,并通过引入访问表来实现蜂鸟寻找和选择食物来源的记忆功能,最终达到求解最优化问题的目的 .

蜣螂优化算法( Dung beetle optimizer, DBO), 是由 Jiankai Xue 等于2022 年提出的一种群体智能优化算法。其灵感来源于蜣螂的生物行为过程，具有寻优能力强，收敛速度快的特点。

摘要：法医调查优化算法( Forensic-based investigation algorithm, FBI), 是由 Jui-Sheng Chou 等于2020 年提出的一种群体智能优化算法。其灵感来源于警官调查嫌疑人的过程。警察的大规模案件调查通常包括五个步骤，其中步骤2、3和4可视为一个循环过程。立案：对这起事件的调查从最先到达犯罪现场的警察发现的信息开始。这些信息构成了调查小组成员的主要出发点，他们从遵循几个标准程序开始，以获得可能发生的事情的第一印象。小组成员调查犯罪现场、受害者、可能的嫌疑

孔雀优化算法( Peafowl Optimization Algorithm, POA), 是由 Jingbo Wang 等于2022 年提出的一种群体智能优化算法。其灵感来源于孔雀的群体行为。

白鲸优化算法([Beluga whale optimization，BWO)是由是由 Changting Zhong 等于2022 年提出的一种群体智能优化算法。其灵感来源于白鲸的群体觅食行为。

摘要：侏儒猫鼬优化算法(Dwarf Mongoose Optimization，DMO)是由是由 Jeffrey O. Agushaka 等于2022 年提出的一种群体智能优化算法。其灵感来源于侏儒猫鼬的群体觅食行为。

摘要：沙猫群优化算法(Sand Cat Swarm Optimization,SCSO)是由Amir Seyyedabbasi和Farzad Kiani于2022年提出的一种新的元启发式算法，该算法是一种模仿自然界中沙猫生存行为的智能优化算法。

摘要：WSO 是 Ayyarao 等人于 2022 年提出一种基于古代战争策略的新型元启发式优化算法 。该算法灵感来自于古代战争中的攻击策略和防御策略，并通过士兵在战场上的位置更新来达到求解优化问题的目的。具有寻优能力强，收敛速度快的特点...

摘要：广义正态分布优化算法（Generalized normal distribution optimization，GDNO）是于2020年提出的一种新型智能优化算法，该算法受到正态分布理论的启发，具有寻优能力强，收敛速度快等特点。

食肉植物算法(Carnivorous plant algorithm,CPA)是2022年由Ong Kok Meng等人提出的，该算法模拟了食肉植物在恶劣环境中如何适应和生存的行为能力，如猎食昆虫作为食物和授粉以进行繁殖。

金豺优化（Golden jackal optimization，GJO）算法是2022年提出的一种新的元启发式算法，该算法是一种模仿金豺的合作狩猎行为的新型智能优化算法。GJO算法包括三个基本步骤是搜索猎物、包围猎物和攻击猎物。...

智能优化算法：鹈鹕优化算法文章目录智能优化算法：鹈鹕优化算法1.鹈鹕优化算法简介2.鹈鹕优化算法基本原理2.1灵感来源和鹈鹕在狩猎时的行为2.2算法的数学模型2.2.1 初始化2.2.2 第一阶段：逼近猎物（勘探阶段）2.2.3 第二阶段：水面飞行（开发阶段）3.实验结果4.参考文献5.Matlab代码1.鹈鹕优化算法简介鹈鹕优化算法(Pelican Optimization Algorithm,POA)是2022年由Pavel Trojovský和Mohammad Dehghani 提出的，该算法模

智能优化算法：北方苍鹰优化算法文章目录智能优化算法：北方苍鹰优化算法1.北方苍鹰优化算法简介2.北方苍鹰优化算法基本原理2.1灵感来源和北方苍鹰的行为2.2算法的数学模型2.2.1 初始化2.2.2 第一阶段：猎物识别（勘探阶段）2.2.3 第二阶段：追逐及逃生（开发阶段）3.实验结果4.参考文献5.Matlab代码1.北方苍鹰优化算法简介北方苍鹰优化算法(Northern Goshawk Optimization，NGO)是2022年由MOHAMMAD DEHGHANI等人提出的，该算法模拟了北方苍

智能优化算法：蛇优化算法文章目录智能优化算法：蛇优化算法1.蛇优化算法简介2.蛇优化算法基本原理2.1 蛇交配行为2.2 灵感来源2.3 数学模型与算法2.3.1 初始化2.3.2 将种群分为雌性和雄性两个组2.3.3 勘探阶段（没食物）2.3.4 开发阶段（有食物）3.实验结果4.参考文献5.Matlab代码1.蛇优化算法简介蛇优化算法是2022年提出的一种新的元启发式算法，该算法是一种模仿蛇特殊交配行为的新型智能优化算法。对于每条蛇（雄性/雌性），如果在食物数量足够，温度很低的条件下，就会努力得到

智能优化算法：材料生成优化算法文章目录智能优化算法：材料生成优化算法1.算法原理1.1 模拟化合物1.2 模拟化学反应1.3 模拟化学稳定性2.实验结果3.参考文献4.Matlab摘要：材料生成优化算法（Material Generation Algorithm, MGA）是于2021年提出的一种新型智能优化算法，该算法通过模拟材料化学行为来达到寻优的目的，具有收敛速度快，寻优能力强的特点。1.算法原理首先MGA确定了一系列由多个周期表元素($PTE_s )组成的材料()组成的材料()组成的材料(M

智能优化算法：跳蛛优化算法文章目录智能优化算法：跳蛛优化算法1.算法原理1.1 迫害1.2 跳上猎物1.3 搜索猎物1.4 信息素2.实验结果3.参考文献4.Matlab摘要：跳蛛优化算法（Jumping Spider Optimization Algorithm，JSOA）是于2021年提出的一种新型智能优化算法，该算法通过模拟跳蛛的狩猎行为来达到寻优的目的，具有收敛速度快，寻优能力强的特点。1.算法原理跳蛛狩猎行为包括：迫害，跳上猎物，搜索猎物，信息素。1.1 迫害迫害当蜘蛛不在可以跳跃捕捉

智能优化算法：向量加权平均算法文章目录智能优化算法：向量加权平均算法1.算法原理1.1初始化1.2更新规则阶段1.3 向量合并阶段1.4 局部搜索阶段2.实验结果3.参考文献4.Matlab代码摘要：向量加权平均算法（Weighted mean of vectors algorithm, INFO），是于2022年提出的一种新型智能优化算法。该算法通过向量的不同加权平均规则，来达到寻优目的。具有寻优能力强，收敛速度快等特点。1.算法原理1.1初始化与其他优化算法一样，种群个体在搜索空间内随机初始化

智能优化算法：金枪鱼群优化算法文章目录智能优化算法：金枪鱼群优化算法1.算法原理1.1 初始化1.2 螺旋觅食1.3 抛物线觅食2.实验结果3.参考文献4.Matlab摘要：金枪鱼群优化算法（Tuna swarm optimization,TSO），是于2021年提出的一种新型智能优化算法，该算法通过模拟金枪鱼群体的觅食行为，来对问题进行寻优。具有寻优能力强，收敛速度快等特点。1.算法原理1.1 初始化与其他智能优化算法一样，金枪鱼种群在搜索空间内随机初始化。Xiint=rand⋅(ub−lb)

智能优化算法：爬行动物搜索算法文章目录智能优化算法：爬行动物搜索算法1.算法原理1.1 初始化1.2 包围阶段(探索)1.3 狩猎阶段(开发)2.实验结果3.参考文献4.Matlab摘要：爬行动物搜索算法（Reptile search algorithm, RSA）是于2021年提出的一种新型智能优化算法。该算法主要模拟鳄鱼的捕食行为，来实现寻优求解，具有收敛速度快，寻优能力强的特点。1.算法原理1.1 初始化与其他优化算法一样，种群在搜索空间内随机初始化：xi,j=rand⁡×(UB−LB)+

智能优化算法：原子轨道搜索算法文章目录智能优化算法：原子轨道搜索算法1.算法原理2.实验结果3.参考文献4.Matlab摘要：原子轨道搜索算法（Atomic orbital search, AOS），是于2021年提出的一种新型智能优化算法，该算法主要是基于量子力学的一些原理以及量子的原子模型行为，来进行寻优，具有寻优能力强，收敛速度快等特点。1.算法原理原子轨道搜索算法中，每个候选解的初始化，采用在搜索空间内随机初始化的方式。xij(0)=xi,min⁡j+rand⁡⋅(xi,max⁡j−xi,