目录
💥1 概述
📚2 运行结果
🎉3 参考文献
👨💻4 Matlab代码
💥1 概述
元启发式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于自然界中生物的集体智能和觅食。本文以非洲秃鹫的生活方式为灵感，提出了一种新的元启发式方法。该算法名为非洲秃鹫优化算法（AVOA），模拟非洲秃鹫的觅食和导航行为。为了评估AVOA的性能，首先在36个标准基准函数上进行了测试。然后进行了比较研究，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的适用性及其黑箱性质，它被用来寻找11个工程设计问题的最优解。根据实验结果，AVOA是36个基准函数中的30个的最佳算法，在大多数工程案例研究中提供了优异的性能。Wilcoxon秩和检验用于统计评估，表明AVOA算法在95%置信区间有着显著优势。
📚2 运行结果
🎉3 参考文献
[1]徐俊杰. 元启发式优化算法理论与应用研究[D].北京邮电大学,2007.
👨💻4 Matlab代码
主函数部分代码：
%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
