【非洲秃鹫优化算法】基于非洲秃鹫优化算法求解单目标优化问题（AVOA）含M

1 简介

元启发式算法在解决优化问题中起着至关重要的作用。大多数此类算法的灵感来自集体智慧和自然界生物的觅食。在本文中，受非洲秃鹰生活方式的启发，提出了一种新的元启发式算法。该算法被命名为非洲秃鹰优化算法（AVOA），模拟非洲秃鹰的觅食和导航行为。为了评估 AVOA 的性能，它首先在 36 个标准基准函数上进行了测试。进行了一项比较研究，证明了所提出的算法与几种现有算法相比的优越性。为了展示 AVOA 的适用性及其黑盒性质，它被用来为 11 个工程设计问题寻找最佳解决方案。各种实验表明，在大多数工程案例研究中，AVOA 的性能优于比较算法。作为实验结果，在 36 个基准测试中，AVOA 算法在 30 个基准测试中取得了比优化器算法更好的结果，并且在大多数工程问题上具有显着和更好的性能。 Wilcoxon 秩和检验已用于统计评估，表明 AVOA 算法在 95% 置信区间内具有显着优势。

2 部分代码

%African Vulture Optimization alghorithm
clear all
close all
clc
% Population size and stoppoing condition
pop_size=30;
max_iter=100;
% Define your objective function's details here
fobj = @ObjectiveFunction;
variables_no=10;
lower_bound=-100; % can be a vector too
upper_bound=100; % can be a vector too
[Best_vulture1_F,Best_vulture1_X,convergence_curve]=AVOA(pop_size,max_iter,lower_bound,upper_bound,variables_no,fobj);
figure
% Best optimal values for the decision variables
subplot(1,2,1)
parallelcoords(Best_vulture1_X)
xlabel('Decision variables')
ylabel('Best estimated values ')
box on
% Best convergence curve
subplot(1,2,2)
plot(convergence_curve);
title('Convergence curve of AVOA')
xlabel('Current_iteration');
ylabel('Objective value');
box on

3 仿真结果

4 参考文献

[1] Benyamin Abdollahzadeh, Farhad Soleimanian Gharehchopogh, Seyedali Mirjalili. African vultures optimization algorithm: A new nature-inspired metaheuristic algorithm for global optimization problems[J]. Computers & Industrial Engineering, 2021, 158: 107408.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。