在第一种行为中，旅鼠会随机地进行长距离的迁徙，当食物因人口过剩而稀缺时，旅鼠会根据当前位置和随机个体在种群中的位置，探索搜索空间，寻找食物资源丰富的栖息地，从而获得更好的生存条件和资源。同时，值得注意的是，旅鼠迁徙的方向和距离并不是一成不变的，会受到生态环境等多种因素的影响。旅鼠会根据当前洞穴的位置和种群中随机个体的位置随机挖掘新的洞穴。是一个大小为1 ×Dim的向量，其元素是在区间[-1，1]中

注：该算法已按照智能优化算法APP标准格式进行整改，可直接集成到APP中，方便大家与自己的算法进行对比。海星优化算法（starfish optimization algorithm，SFOA）是一种新型的启发式算法，该算法模拟了海星的探索、捕食和再生行为。SFOA包括勘探和开发两个主要阶段。探索阶段采用五维和一维相结合的混合搜索模式，模拟海星的探索行为，提高了计算效率，保证了搜索能力。开发阶段模拟

注：该算法已按照智能优化算法APP标准格式进行整改，可直接集成到APP中，方便大家与自己的算法进行对比。海市蜃楼算法（fata morgana algorithm）是一种求解连续多类型优化问题的群智能算法。通过模拟海市蜃楼的形成过程，FATA分别设计了的光滤波原理（MLF）和光传播策略（LPS）。MLF策略结合确定性积分原则，驱动算法种群提高FATA的探索能力。LPS策略结合三角原理，驱动算法个体

极光优化算法（Polar Lights Optimization, PLO)是一种受自然奇观启发的元启发式优化算法。结合了高能粒子的运动和研究物理学的基本原理，极光优化算法是一个独特的模拟粒子运动的模型。该模型结合了旋转运动和极光椭圆行走，前者有利于局部开采，后者有利于全球勘探。通过协同结合这两种策略，拟议的PLO实现了本地开发和全球勘探的平衡方法。此外，还引入了粒子碰撞策略，提高了逃避局部最优的

很多比较新颖的神经网络、深度学习模型一般都是用torch包、tensorflow包写的，这让习惯了MATLAB语言的小伙伴望而却步。说实话，我人生中第一次接触的编程语言也是MATLAB，用了这么多年的MATLAB，只要看到matlab语言就感觉亲切，至少不会发怵，感觉再难的代码也可以嚼碎了一点点理解。人就是不太愿意接受新鲜事物，当熟悉了一门语言，只要不是逼入绝境，就不想去尝试新的。总觉得别的语言能

徒步优化算法（Hiking Optimization Algorithm，HOA)是一种受徒步旅行经历启发的元启发式优化算法。徒步旅行者试图登顶山峰、丘陵或岩石的过程中，徒步者有意或无意地考虑到地形的陡峭程度，这是一种流行的娱乐活动，它认识到优化问题的搜索景观与徒步旅行者所穿越的山区地形之间的相似性。HOA的数学模型以Tobler徒步函数为前提，该函数通过考虑地形的高程和行走距离来确定徒步者(即a

四向量智能元启发式优化算法（Four vector intelligent metaheuristic，FVIM）是一种人工智能优化元算法。FVIM解决了优化问题中存在的常见挑战，例如收敛置换、局部最优捕获和最优路径识别，以及现实世界优化器遇到的困难。FVIM算法的独特之处在于它利用群中的四个最佳点来决定群的运动。此外，它引入了一个新的矢量位置，计算为四个优越点的平均值，可能为先前确定的那些提供更

红嘴蓝鹊优化算法（Red-billed blue magpie optimizer，RBMO）是一种受自然启发的群智能优化算法。该算法的灵感来自红嘴蓝鹊的合作和有效的捕食行为。通过对红嘴蓝鹊的搜索、追逐、攻击和食物储存行为的模拟，建立了RBMO的数学模型。红嘴蓝鹊是一种灵活和适应性强的捕食者。它主要以水果、昆虫和小型脊椎动物为食，表现出多样化的狩猎行为。这些蓝鹊通常以小群或集群的方式移动，帮助它们

天鹰优化器(AO)是由Laith Abualigah等人提出了一种新的基于种群的元启发式优化方法，AO算法受到自然界中天鹰在捕获猎物过程中行为的启发，模拟了天鹰在狩猎过程中的行为，其中包含了天鹰狩猎时每个步骤的动作。该算法发表于2021年SCI期刊2区Computers & Industrial Engineering，目前被引次数1280余次。足以见其优势！天鹰的狩猎方式分为以下四种：(

鹭鹰优化算法（Secretary bird optimization algorithm，SBOA）是一种受自然启发的群智能优化算法，灵感来自于鹭鹰在自然环境中的生存行为。鹭鹰的生存需要不断地捕猎猎物和逃避捕食者的追捕。SBOA在解决方案质量、收敛速度和稳定性方面的出色性能。该成果于2024年发表在知名一区SCI期刊Artificial Intelligence Review上。SBOA利用鹭鹰的