单目标优化：飞狐优化算法（Flying Foxes Optimization，FFO）求解cec2017（提供Matlab代码）

一、飞狐优化算法简介

飞狐优化算法（Flying Foxes Optimization，FFO）由Konstantinos Zervoudakis与Stelios Tsafarakis于2022年提出。

参考文献：Zervoudakis, K., Tsafarakis, S. A global optimizer inspired from the survival strategies of flying foxes. Engineering with Computers (2022). https://doi.org/10.1007/s00366-021-01554-w

1.1 FFO算法流程图：

1.2 FFO算法描述：

二、CEC2017简介

CEC2017共有30个无约束测试函数分别是：单峰函数(F1-F3)、简单多峰函数(F4-F10)、混合函数(F11-F20)和组合函数(F21~F30)。测试维度包含：10D、30D、50D、100D。CEC2017无约束测试问题随着维度的增加求解极其困难。

三、求解结果

将飞狐优化算法运用于求解CEC2017中30个无约束函数，其中每个测试函数可以选择的维度分别有：10D、30D、50D、100D。增大迭代次数，SSA的求解效果更佳。本例测试函数维度均为为10D（可根据自己需求调整），最大迭代次数为5000次。

%%
clc; 
clear; 
close all;
Function_name=3; %测试函数1-30
LowerBound=-100;%变量下界
UpperBound=100;%变量上界
dim=10;%维度 10/30/50/100
maxgen=5000;%最大迭代次数
ObjectiveFunction=str2func('cec17_func');

部分求解结果：

3.1 F1：

3.2 F2：

3.3 F3：

3.4 F4：

四、参考代码

源文件夹包含FFO求解CEC2017的所有代码，测试函数共30个。每个函数可选择维度分别为：10、30、50与100。直接点击FFO.m文件直接运行，支持二次开发。