一、美洲狮优化算法
美洲狮优化算法（Puma Optimizar Algorithm ，POA）由Benyamin Abdollahzadeh等人于2024年提出，其灵感来自美洲狮的智慧和生活。在该算法中，在探索和开发的每个阶段都提出了独特而强大的机制，这提高了算法对各种优化问题的性能。此外，该算法还提出了一种新型的智能机制，即相变的超启发式机制（PI），使用这种机制，PO算法可以在优化操作期间执行相变操作，并平衡探索和开发，同时探索和开发都会根据问题的性质自动调整。
参考文献：
[1]Abdollahzadeh, B., Khodadadi, N., Barshandeh, S. et al. Puma optimizer (PO): a novel metaheuristic optimization algorithm and its application in machine learning. Cluster Comput (2024). Puma optimizer (PO): a novel metaheuristic optimization algorithm and its application in machine learning | Cluster Computing
二、23个函数介绍
参考文献：
[1] Yao X, Liu Y, Lin G M. Evolutionary programming made faster[J]. IEEE transactions on evolutionary computation, 1999, 3(2):82-102.
三、POA求解23个函数
3.1部分代码
close all ;
clear
clc
Npop=30;
Function_name='F1'; % Name of the test function that can be from F1 to F23 (
Tmax=300;
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
[Best_fit,Best_pos,Convergence_curve]=POA(Npop,Tmax,lb,ub,dim,fobj);
figure('Position',[100 100 660 290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
%Draw objective space
subplot(1,2,2);
semilogy(Convergence_curve,'Color','r','linewidth',3)
title('Search space')
xlabel('Iteration');
ylabel('Best score obtained so far');
axis tight
grid on
box on
legend('POA')
saveas(gca,[Function_name '.jpg']);
display(['The best solution is ', num2str(Best_pos)]);
display(['The best fitness value is ', num2str(Best_fit)]);
3.2部分结果
