EBKA改进黑翅鸢优化算法（BKA算法是2024年提出的较新算法，SCI一区）

本文提出一种改进方法对其改进，并在CEC2005测试函数上进行效果验证。该算法在单峰、多峰和固定多峰上均优于原算法（BKA），对1区提出来的算法进行研究，有助于自己发paper。

对比算法：GWO、RIME（霜冰优化算法较新，有竞争力）、WOA、BKA、PSO

初始条件设置：最大迭代次数500、初始种群数量30、独立运行次数30（即一键运行，得到30次运行的结果）

评价指标：最优值、最差值、平均值、标准差

此改进的亮点是什么呢？主要有以下几个方面

1.在初始化阶段没有采用任何映射及透镜、对立学习那些策略（了解的都知道加个透镜学习效果还能提升）。

2.没有采用Levy飞行，T分布变异等常见策略（加个Levy飞行效果依旧可提升）。

3.基于以上两点，EBKA将非常易于二次开发（也就是自己再融合几个策略，这就是你自己改进的算法了）。

4.此改进共有2处改进点，从其他算法中得到的灵感，不是随意策略的叠加（测试函数的结果验证了策略的有效性）。

23种测试函数结果中，几乎全面碾压原算法(BKA)，详细情况可看下图（改进策略有标注和相关参考文献）

EBKA改进策略少，综合效果最好，在一些测试函数上即使不是最优解，其结果也要优于原算法（自己用的时候，如果觉得RIME效果好可自己替换成其他算法），有需要的可直接购买，非常易于二次开发。结果如下