一、红狐优化算法

红狐优化算法（Red fox optimization，RFO）由Dawid Połap和 Marcin Woźniak于2021年提出，该算法模拟了红狐的狩猎行为，具有收敛速度快，寻优精度高等优势。

参考文献： Poap D , Woniak M . Red fox optimization algorithm[J]. Expert Systems with Applications, 2021, 166(10):114107.

二、RFO求解23个基本函数

23个测试函数简介

测试集：23组基本测试函数简介及图像（提供python代码）_IT猿手的博客-CSDN博客

部分代码

from FunInfo import Get_Functions_details
from RFO import RFO
import matplotlib.pyplot as plt
#主程序
function_name =1 #测试函数1-23
SearchAgents_no = 50#种群大小
Max_iter = 100#迭代次数
lb,ub,dim,fobj=Get_Functions_details(function_name)#获取问题信息
BestX,BestF,curve = RFO(SearchAgents_no, Max_iter,lb,ub,dim,fobj)#问题求解

#画收敛曲线图
if BestF>0:
    plt.semilogy(curve,color='r',linewidth=2,label='RFO')
else:
    plt.plot(curve,color='r',linewidth=2,label='RFO')
plt.xlabel("Iteration")
plt.ylabel("Fitness")
plt.xlim(0,Max_iter)
plt.title("F"+str(function_name))
plt.legend()
plt.savefig(str(function_name)+'.png')
plt.show()
print('\nThe best solution is:\n'+str(BestX))
print('\nThe best optimal value of the objective funciton is:\n'+str(BestF))

部分结果

三、完整python代码