小龙虾优化算法

小龙虾优化算法是2023年提出来的较新算法，发表在较高水平期刊上，其具有良好的收敛性，详情可看原文，基于此提出了一种改进的小龙虾优化算法。

改进小龙虾优化算法（ICOA）

针对小龙虾优化算法的一些不足进行改进，此篇提出了一种改进算法我暂且命名为ICOA，ICOA非常容易进行二次开发改进，主要原因有二：

1）.没有采用混沌映射初始化种群（哪怕是任何改进的混沌映射都没采用）

2）.没用采用Levy飞行或者各种变异策略

ICOA主要采用3种改进策略，其中一种策略是另一较新算法进行融合，不是无脑融合，改进之处较为合理。付费后，有对改进策略的详细解释。

那么有人会疑问了，不采用Levy飞行那些策略，在测试函数上的效果能好吗？那么好，大家可以往下看。

IACO是完全在COA算法（GITHUB开源源码）上改进出来，并有改进前后的算法对比和COA原文，总所周知，测试函数分为单峰，多峰和固定多峰，单峰测试函数就没什么说的必要了。

ICOA在单峰测试函数上（F1-F4稍差于COA，无伤大雅，后期二次开发可加一些常见策略）

那么重点看一看CEC2005中，那些有难度的测试函数上的表现吧。（ICOA在多数测试函数上性能超越COA，由于群智能算法的不稳定性，程序结果并不是每次都要由于COA，在运行5次里，取得较优情况）

红色线为ICOA，黑色为COA

在这些较为复杂得测试函数上ICOA可取得较优结果，并且采用的策略较为有新意，而且易于二次开发。

如果有伙伴能看出该算法的潜在价值，那么可以出手了。