天鹰优化器（AO）——2021最新优化算法

Laith 等人提出了一种新的基于种群的优化方法——天鹰优化器(AO)，该方法受到自然界中天鹰在捕获猎物过程中行为的启发。因此，所提出的AO算法的优化过程用四种方法表示；通过垂直弯曲的高翱翔选择搜索空间，通过短滑翔攻击的等高飞行在发散搜索空间内探索，通过慢下降攻击的低飞行在收敛搜索空间内探索，以及通过行走和抓取猎物进行俯冲。为了验证新优化器为不同优化问题找到最优解的能力，进行了一系列实验。例如，在第一个实验中，应用AO来寻找已知的23个函数的解。第二个和第三个实验系列旨在评估AO的性能，以分别为30个测试函数和10个测试函数等更复杂的问题找到解决方案。最后，使用一组七个实际工程问题。实验结果表明，与众所周知的元启发式方法相比，该算法具有明显的优越性。

（文章与详细代码已放入下方链接）

主要包含过程（简介，具体可以看论文）：

1、拓展探索

在第一种方法中，天鹰识别猎物区域，并通过垂直弯腰的高翱翔来选择最佳狩猎区域。在这里，AO广泛探险者从高空翱翔来确定搜索空间的区域，猎物在哪里。这种行为在数学上表示为方程式

2、缩小探索范围

3、扩大开发

4、缩小开发范围

具体论文以及程序（内涵JAVA程序免费网址）：

正在为您运送作品详情