群智能开源第五期-乌燕鸥优化算法（STOA）

    乌燕鸥优化算法是由 G. Dhiman 和 A. Kaur于 2019 年针对工业工程问题提出的一种新的优化算法，其灵感来源于海鸟在自然界中觅食的行为，乌燕鸥是杂食性鸟类，以蚯蚓、昆虫、鱼等食物为生。这种算法具有很强的全局搜索能力，精度也较高。

    与大多数元启发式算法类似，STOA 是一种基于种群的方法，主要分为全局探索（exploration）阶段和局部勘探(exploitation)。

2.1 全局探索阶段

    该阶段由三部分构成，分别为避免碰撞、向最优解收敛以及位置更新。

（1）避免碰撞

Cf原文中设置为2（这里可以改成非线性动态控制参数），S碰撞因素从2到0线性递减。

（2）向最优解收敛

（3）位置更新

2.2 局部探索阶段

在迁移过程中，乌燕鸥可以通过翅膀提高飞行高度也可以调整自身的速度和攻击角度，在攻击猎物的时候，它们在空中的盘旋行为可定义为以下数学模型

乌燕鸥位置更新公式如下

2.3 算法伪代码

    由于代码太占地方，直接从后台获取吧，里面还包括了相关的参考文献（国内相关的算法文献较少，国外的较多）

[1]Dhiman G, Kaur A. STOA: A bio-inspired based optimization algorithm for industrial engineering problems. Engineering Applications of Artificial Intelligence, 2019, 82:148-174

后台回复   STOA

详细代码+中文注释+参考文献

下期更新灰狼优化算法（含改进源代码）