灰太狼优化器的最佳改进之一
此提交文件包括三个文件，用于实施爬山算法以解决优化问题。
解决旅行商问题的模拟退火的最简单的实现
这是实数编码模拟退火算法的一个简单实现。
这是一个Matlab演示，展示了神经网络如何进行分类。
这是一个Matlab演示，展示了神经网络如何执行回归。
这是一个简单的实现蚁群优化(ACO)来解决组合优化问题。
此提交允许在粒子群优化中直观地看到粒子的运动。
这是遗传算法原始版本的实现
球体（X）-Seyedali Mirjalili博士撰写
精英主义(人口，新人口，呃)-Seyedali Mirjalili博士撰写
遗传算法-Seyedali Mirjalili博士撰写
交叉（parent1、parent2、Pc、交叉名称）-Seyedali Mirjalili博士撰写
选择(人口)-Seyedali Mirjalili博士撰写
初始化（M，N）-Seyedali Mirjalili博士撰写
突变（儿童，Pm）-Seyedali Mirjalili博士撰写
连续遗传算法（CGA）
球体（X）-Seyedali Mirjalili博士撰写
精英主义（人口，新人口，Er）-Seyedali Mirjalili博士撰写
初始化（M、N、问题）-Seyedali Mirjalili博士撰写
Main.m-Seyedali Mirjalili博士撰写
交叉连续（家长1、家长2、电脑、问题）-Seyedali Mirjalili博士撰写
突变持续（儿童、Pm、问题）-Seyedali Mirjalili博士撰写
选择(人口)-Seyedali Mirjalili博士撰写
CGeneticAlgorithm-Seyedali Mirjalili博士撰写
本次提交使用遗传算法重建任何二值图像
交叉（parent1、parent2、Pc、交叉名称）-Seyedali Mirjalili博士撰写
PreparePhoto（文件名）-Seyedali Mirjalili博士撰写
突变（儿童，Pm）-Seyedali Mirjalili博士撰写
选择(人口)-Seyedali Mirjalili博士撰写
初始化（M，N）-Seyedali Mirjalili博士撰写
遗传算法-Seyedali Mirjalili博士撰写
精英主义(人口，新人口，呃)-Seyedali Mirjalili博士撰写
拟合函数-Seyedali Mirjalili博士撰写
Main.m-Seyedali Mirjalili博士撰写
这个工具箱包括我提出的所有优化算法（GWO、ALO、MVO、DA、MFO、SCA和WOA）
轮盘赌轮选择（重量）-请注意，这些代码取自：
WOA（搜索代理、最大iter、lb、ub、dim、fobj、手柄）- _________________________________________________________________________%
DA（搜索代理编号、最大迭代、lb、ub、dim、fobj、句柄）- ___________________________________________________________________%
MFO (N, Max_iteration,磅,乌兰巴托,昏暗,fobj,处理)- ______________________________________________________________________________________________
Optimization_toolbox(变长度输入宗量)- ___________________________________________________________________%
距离（a、b）- ___________________________________________________________________%
征款（d）-此功能的代码取自：
成本函数（x）- ______________________________________________________________________________________________
氧化铝(N Max_iter磅、乌兰巴托、暗淡,fobj,处理)- ___________________________________________________________________%
随机绕antlion走（Dim、max、lb、ub、antlion、current）- ___________________________________________________________________%
MVO（N、最长时间、磅、磅、磅、磅、磅、磅、磅、磅）- _______________________________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
最近提出的灰太狼优化器（GWO）的多目标版本。
GetOccupiedCells（pop）- ___________________________________________________________________%
CreateEmptyParticle (n)- ___________________________________________________________________%
获取成本（pop）- ___________________________________________________________________%
GetGridIndex(粒子,G)- ___________________________________________________________________%
cec09（姓名）——cec09.m
MOGWO.m- ___________________________________________________________________%
支配（x，y）- ___________________________________________________________________%
创建超立方体（成本、ngrid、alpha）- ___________________________________________________________________%
RouletteWheelSelection (p)- ___________________________________________________________________%
测定氨（pop）- ___________________________________________________________________%
GetNonDominatedParticles(流行)- ___________________________________________________________________%
SelectLeader（代表，测试版）- ___________________________________________________________________%
DeleteFromRep(代表,额外的γ)- ___________________________________________________________________%
xboundary（名称，dim）-生成测试实例边界的Matlab源代码
灰太狼优化器（GWO）算法工具箱
成本函数（x）—目标函数的默认名称为“CostFunction”。
蚱蜢优化算法（MOGOA）的多目标版本
ZDT1（x）- _________________________________________________________________________________
支配（x，y）- _________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________________
Handlefull存档（存档X、存档F、存档成员编号、存档成员等级、存档最大大小）- _________________________________________________________________________________
UpdaterChive（存档、存档、粒子、粒子、存档成员）- _________________________________________________________________________________
S_func（r）- _________________________________________________________________________________
轮盘赌轮选择（重量）-请注意，这些代码取自：
分级过程（存档、存档最大大小、目标编号）- _________________________________________________________________________________
绘图_ZDT1（）- _________________________________________________________________________________
MOGOA.m- _________________________________________________________________________________
距离（a、b）- DISTANCE -计算欧几里得距离矩阵
最近提出的Ant-Lion优化器的多目标版本
支配（x，y）- _________________________________________________________________________%
UpdaterChive（存档、存档、粒子、粒子、存档成员）- _________________________________________________________________________%
马洛姆- _________________________________________________________________________%
轮盘赌轮选择（重量）-请注意，这些代码取自：
Handlefull存档（存档X、存档F、存档成员编号、存档成员等级、存档最大大小）- _________________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________%
绘图_ZDT1（）- _________________________________________________________________________%
ZDT1（x）- _________________________________________________________________________%
分级过程（存档、存档最大大小、目标编号）- _________________________________________________________________________%
随机绕antlion走（Dim、max、lb、ub、antlion、current）- _________________________________________________________________________%
用于解决多目标问题的蜻蜓算法(DA)的多目标版本
分级过程（存档、存档最大大小、目标编号）- ___________________________________________________________________%
轮盘赌轮选择（重量）- ___________________________________________________________________%
Handlefull存档（存档X、存档F、存档成员编号、存档成员等级、存档最大大小）- ___________________________________________________________________%
UpdaterChive（存档、存档、粒子、粒子、存档成员）- ___________________________________________________________________%
征款（d）-此功能的代码取自：
莫达·m- ___________________________________________________________________%
支配（x，y）- ___________________________________________________________________%
距离（a、b）- ___________________________________________________________________%
绘图_ZDT1（）- ___________________________________________________________________%
ZDT1（x）- ___________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
Salp群算法（SSA）的多目标版本
绘图_ZDT1（）- _________________________________________________________________________________
UpdaterChive（存档、存档、粒子、粒子、存档成员）- _________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________________
轮盘赌轮选择（重量）-请注意，这些代码取自：
支配（x，y）- _________________________________________________________________________________
Handlefull存档（存档X、存档F、存档成员编号、存档成员等级、存档最大大小）- _________________________________________________________________________________
分级过程（存档、存档最大大小、目标编号）- _________________________________________________________________________________
MSSA.m- _________________________________________________________________________________
ZDT1（x）- _________________________________________________________________________________
多verse优化算法的多目标版本
metric_of_maximum_spread (pareto_fun事实)- ______________________________________________________________________________________
GD_matlab（PF，truePF）- ______________________________________________________________________________________
UpdaterChive（存档、存档、粒子、粒子、存档成员）- ______________________________________________________________________________________
多样性度量增量（帕累托乐趣，事实）- ______________________________________________________________________________________
epsilon_matlab（PF，truePF）- ______________________________________________________________________________________
main.m- ______________________________________________________________________________________
代际距离（帕累托乐趣，事实）- ______________________________________________________________________________________
IGD_matlab（PF、truePF）- ______________________________________________________________________________________
truePF GeneralizedSpread_matlab (PF)- ______________________________________________________________________________________
Handlefull存档（存档X、存档F、存档成员编号、存档成员等级、存档最大大小）- ______________________________________________________________________________________
hypeIndicatorExact8（A、边界、尺寸）- ______________________________________________________________________________________
Obj_函数（x）- ______________________________________________________________________________________
轮盘赌轮选择（重量）- ______________________________________________________________________________________
MOMVO（最大时间，N，存档最大大小）- ______________________________________________________________________________________
间距的度量单位（帕累托）- ______________________________________________________________________________________
分级过程（存档、存档最大大小、目标编号）- ______________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ______________________________________________________________________________________
支配（x，y）- ______________________________________________________________________________________
扩展matlab（PF、truePF）- ______________________________________________________________________________________
求解单目标优化问题的正弦-余弦算法（SCA）工具箱
SCA_toolbox(变长度输入宗量)- ______________________________________________________________________________________________
成本函数（x）- ______________________________________________________________________________________________
二进制版本的蜻蜓算法（DA）用于解决二进制优化问题
BDA（N、最大iter、nVar、成本函数）- ___________________________________________________________________%
麦考斯特（x）- ___________________________________________________________________%
征款（d）-此功能的代码取自：
Main.m- ___________________________________________________________________%
提交使用最近提出的灰狼优化器来训练多层感知器
我的模拟（Ino，Hno，Ono，W，B，x）-使用灰太狼优化器%训练前馈神经网络
我的乙状结肠（x）-使用灰太狼优化器%训练前馈神经网络
我的模拟输入（W、B、x1、x2、Hno）-使用灰太狼优化器%训练前馈神经网络
获取函数详细信息（F）-使用灰太狼优化器%训练前馈神经网络
MLP_XOR-函数[MaxParValue，MinParValue，Population，OPTIONS]=MLP_XORInit（OPTIONS）
GWO（搜索代理编号、最大iter、lb、ub、dim、fobj）-使用灰太狼优化器%训练前馈神经网络
main.m-使用灰太狼优化器%训练前馈神经网络
初始化(SearchAgents_no昏暗,乌兰巴托,磅)-使用灰太狼优化器%训练前馈神经网络
10个可以集成到任何元启发式的混沌映射
提交使用最近提出的灰狼优化器来训练多层感知器
初始化(SearchAgents_no昏暗,乌兰巴托,磅)-使用灰太狼优化器%训练前馈神经网络
我的乙状结肠（x）-使用灰太狼优化器%训练前馈神经网络
main.m-使用灰太狼优化器%训练前馈神经网络
我的FNN（Ino，Hno，Ono，W，B，x1，x2，x3，x4）-使用灰太狼优化器%训练前馈神经网络
GWO（搜索代理编号、最大iter、lb、ub、dim、fobj）-使用灰太狼优化器%训练前馈神经网络
MLP_Iris(解决方案)-使用灰太狼优化器%训练前馈神经网络
基于粒子自治群的粒子群优化算法
TACPSO（N，Max_迭代，lb，ub，dim，fobj）-自治群体粒子群优化（AGPSO）源代码版本1.1%
Main.m-自治群体粒子群优化（AGPSO）源代码版本1.1%
AGPSO1（N，Max_迭代，lb，ub，dim，fobj）-自治群体粒子群优化（AGPSO）源代码版本1.1%
函数图（函数名称）-自治群体粒子群优化（AGPSO）源代码版本1.1%
IPSO（N，最大迭代，lb，ub，dim，fobj）-自治群体粒子群优化（AGPSO）源代码版本1.1%
MPSO（N，Max_迭代，lb，ub，dim，fobj）-自治群体粒子群优化（AGPSO）源代码版本1.1%
PSO (N Max_iteration磅、乌兰巴托、暗淡,fobj)-自治群体粒子群优化（AGPSO）源代码版本1.1%
基于生物地理学的优化器（BBO）被用作多层感知器（MLP）的训练器
BBO（ProblemFunction、DisplayFlag、ProbleMFlag、RandSeed）-用于最小化一般函数的基于生物地理学的优化（BBO）软件
阿克利-函数[MaxParValue、MinParValue、填充、选项]=AckleyInit（选项）
PopSort（人口）-将人口成员从最佳到最差排序
总结（显示标志、选项、总体、nLegal、MinCost）—基于种群优化算法输出结果。
蒙特-基于群体优化软件的montecarlo执行
初始化（DisplayFlag，ProblemFunction，RandSeed）-初始化基于群体的优化软件。
计算机成本（总体）-计算人口中所有合法个人的平均成本。
PBIL（ProblemFunction，DisplayFlag）—基于概率的增量学习(PBIL)，用于优化一般函数。
ClearDups（总体、MaxParValue、MinParValue）-确保群体中没有重复的个体。
ACO（ProblemFunction，DisplayFlag）-用于优化一般函数的蚁群优化算法。
ES (ProblemFunction DisplayFlag)-（mu+lambda）优化一般函数的进化策略。
虹膜-函数[MaxParValue，MinParValue，Population，OPTIONS]=MLP_IrisInit（OPTIONS）
PSO（ProblemFunction，DisplayFlag）-用于优化一般函数的粒子群优化算法。
GA（ProblemFunction，DisplayFlag）-优化一般函数的遗传算法。
用混沌引力常数改进引力搜索算法
Main.m- _________________________________________________________________________%
混沌（指数、电流、最大电流、值）- _________________________________________________________________________%
GWO是一种新的全局优化元启发式算法
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
函数图（函数名称）- ___________________________________________________________________%
main.m- ___________________________________________________________________%
GWO（搜索代理编号、最大iter、lb、ub、dim、fobj）- ___________________________________________________________________%
获取函数详细信息（F）- ___________________________________________________________________%
一种最佳引导的引力搜索算法
main.m-Gbest引导引力搜索算法（GGSA）。
多verse Optimizer (MVO)算法工具箱
成本函数（x）- _______________________________________________________________________________________%
MVO（N、最长时间、磅、磅、磅、磅、磅、磅、磅、磅）- _______________________________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _______________________________________________________________________________________%
轮盘赌轮选择（重量）-请注意，这些代码取自：
MVO_工具箱（varargin）- ______________________________________________________________________________________%
基于生物地理学的优化器（BBO）被用作多层感知器（MLP）训练器
MLP_癌症-函数[MaxParValue，MinParValue，Population，OPTIONS]=MLP_IrisInit（OPTIONS）
ES (ProblemFunction DisplayFlag)-（mu+lambda）优化一般函数的进化策略。
MAPSS-通过彻底搜索，发现以下是最佳的20/4 MAPSS传感器组。
GA（ProblemFunction，DisplayFlag）-优化一般函数的遗传算法。
蒙特-基于群体优化软件的montecarlo执行
计算机成本（总体）-计算人口中所有合法个人的平均成本。
BBO（ProblemFunction、DisplayFlag、ProbleMFlag、RandSeed）-用于最小化一般函数的基于生物地理学的优化（BBO）软件
ClearDups（总体、MaxParValue、MinParValue）-确保群体中没有重复的个体。
总结（显示标志、选项、总体、nLegal、MinCost）—基于种群优化算法输出结果。
PSO（ProblemFunction，DisplayFlag）-用于优化一般函数的粒子群优化算法。
初始化（DisplayFlag，ProblemFunction，RandSeed）-初始化基于群体的优化软件。
ACO（ProblemFunction，DisplayFlag）-用于优化一般函数的蚁群优化算法。
PBIL（ProblemFunction，DisplayFlag）—基于概率的增量学习(PBIL)，用于优化一般函数。
PopSort（人口）-将人口成员从最佳到最差排序
蚂蚁狮子优化器（ALO）算法工具箱
ALO_toolbox(变长度输入宗量)- ___________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
轮盘赌轮选择（重量）-请注意，这些代码取自：
成本函数（x）- ___________________________________________________________________%
随机绕antlion走（Dim、max、lb、ub、antlion、current）- ___________________________________________________________________%
ALO（N，最大值，磅，ub，尺寸，fobj，手柄，值）- ___________________________________________________________________%
一种改进的v形传递函数二元粒子群优化算法
用于解决优化问题的Moth flame Optimization（MFO）算法工具箱
成本函数（x）- ______________________________________________________________________________________________
MFO（N，最大迭代，lb，ub，dim，fobj，句柄，值）- ______________________________________________________________________________________________
MFO_工具箱（varargin）- ______________________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ______________________________________________________________________________________________
二进制版本的BPSOGSA算法
SSA是一种求解单目标优化问题的新算法
SSA（北区、北区、北区、北区、北区、北区、北区、北区）- _________________________________________________________________________________
获取函数详细信息（F）- _________________________________________________________________________________
main.m- _________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________________
函数图（函数名称）- _________________________________________________________________________________
WOA是一种求解单目标优化问题的新算法
函数图（函数名称）- _________________________________________________________________________%
获取函数详细信息（F）- _________________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________%
main.m- _________________________________________________________________________%
WOA (SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj)- _________________________________________________________________________%
BBA是用于优化二进制问题的Bat算法的二进制版本。
MVO是一种新的全局优化元启发式算法
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _______________________________________________________________________________________%
main.m- _______________________________________________________________________________________%
获取函数详细信息（F）- _______________________________________________________________________________________%
轮盘赌轮选择（重量）-请注意，这些代码取自：
函数图（函数名称）- _______________________________________________________________________________________%
MVO（N、最长时间、磅、磅、磅、磅、磅、磅）- _______________________________________________________________________________________%
DA是一种用于求解单目标优化问题的新型群体智能技术
获取函数详细信息（F）- ___________________________________________________________________%
DA（搜索代理编号、最大迭代、lb、ub、dim、fobj）- ___________________________________________________________________%
函数图（函数名称）- ___________________________________________________________________%
main.m- ___________________________________________________________________%
征款（d）-此功能的代码取自：
距离（a、b）- ___________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
求解单目标优化问题的蜻蜓算法（DA）工具箱
DA_toolbox(变长度输入宗量)- ___________________________________________________________________%
DA (SearchAgents_no Max_iteration,磅,乌兰巴托,昏暗,fobj,把手,值)- ___________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
征款（d）-此功能的代码取自：
距离（a、b）- ___________________________________________________________________%
成本函数（x）- ___________________________________________________________________%
MFO是一种新的求解优化问题的元启发式算法
main.m- ______________________________________________________________________________________________
MFO（N，最大迭代，lb，ub，dim，fobj）- ______________________________________________________________________________________________
获取函数详细信息（F）- ______________________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ______________________________________________________________________________________________
函数图（函数名称）- ______________________________________________________________________________________________
BBO算法的50个混沌嵌入版本
罗森布罗克-函数[MaxParValue、MinParValue、填充、选项]=RosenbrockInit（选项）
CBBO31_40（ProblemFunction、DisplayFlag、ProbleMFlag、RandSeed、ChaosVec）-用于最小化一般函数的基于生物地理学的优化（BBO）软件
计算机成本（总体）-计算人口中所有合法个人的平均成本。
PopSort（人口）-从最低成本(最好)到最高成本(最差)的人口成员排序。
初始化（DisplayFlag，ProblemFunction，RandSeed）-初始化基于群体的优化软件。
BBO（ProblemFunction、DisplayFlag、ProbleMFlag、RandSeed）-用于最小化一般函数的基于生物地理学的优化（BBO）软件
施韦费尔-函数[MaxParValue，MinParValue，Population，OPTIONS]=SchwefelInit（OPTIONS）
CBBO1_10（ProblemFunction、DisplayFlag、ProbleMFlag、RandSeed、ChaosVec）-用于最小化一般函数的基于生物地理学的优化（BBO）软件
ClearDups（总体、MaxParValue、MinParValue）-确保群体中没有重复的个体。
CBBO21_30(ProblemFunction, DisplayFlag, ProbFlag, RandSeed, ChaosVec)-用于最小化一般函数的基于生物地理学的优化（BBO）软件
拉斯特里金- function [MaxParValue, MinParValue, Population, OPTIONS] = RastriginInit(OPTIONS)
Griewank-函数[MaxParValue，MinParValue，Population，OPTIONS]=GriewankInit（OPTIONS）
惩罚2- function [MaxParValue, MinParValue, Population, OPTIONS] = Penalty2Init(OPTIONS)
总结（显示标志、选项、总体、nLegal、MinCost）—基于种群优化算法输出结果。
混沌（指数、最大值、值）-切比雪夫映射
BBO_chaos(ProblemFunction, DisplayFlag, ProbFlag, RandSeed, ChaosVec)-用于最小化一般函数的基于生物地理学的优化（BBO）软件
处罚1- function [MaxParValue, MinParValue, Population, OPTIONS] = Penalty1Init(OPTIONS)
弗莱彻-函数[MaxParValue、MinParValue、填充、选项]=Fletcherini（选项）
阿克利-函数[MaxParValue、MinParValue、填充、选项]=AckleyInit（选项）
TransitionMonte（ProblemFunction、DisplayFlag、PopSize、RandSeed、nMonte）-计算与简单BBO算法相关的理论量。
CountUnique（总体、ExitFlag）-计算唯一解决方案的数量万博 尤文图斯
四次的-函数[MaxParValue、MinParValue、填充、选项]=四次单位（选项）
蒙特-基于群体优化软件的montecarlo执行
SCA算法是一种求解单目标优化问题的新算法
PSOGSA是PSO和GSA的有效结合。
世界上最具挑战性的鲁棒多目标测试问题
MTP22（x）-Andrew的鲁棒基准问题多目标版本
MTP30（x）-这个函数有(n-1)个局部Pareto前沿1个全局和1个
MTP26 (x)-Andrew的鲁棒基准问题多目标版本
MTP19（x）-Andrew的鲁棒基准问题多目标版本
MTP17（x）- MTP10的3个目标
MTP25（x）-Andrew的鲁棒基准问题多目标版本
MTP28 (x)-这个函数有(n-1)个局部Pareto前沿1个全局和1个
MTP21（x）-Andrew的鲁棒基准问题多目标版本
MTP24（x）-Andrew的鲁棒基准问题多目标版本
MTP31（x）—该功能类似于ZDT3
MTP27 (x)—该功能类似于ZDT3
测试1（x）- MTP10的3个目标
MTP14（x）-佩尔
MTP13（x）-佩尔
MTP15 (x)-三维佩尔
MTP33（x）—该功能类似于ZDT3
MTP12（x）- MTP11的3个目标
MTP32（x）—该功能类似于ZDT3
MTP23（x）-Andrew的鲁棒基准问题多目标版本
MTP18 (x)-Andrew的鲁棒基准问题多目标版本
MTP20（x）-Andrew的鲁棒基准问题多目标版本
MTP29 (x)-这个函数有(n-1)个局部Pareto前沿1个全局和1个
该程序是一个改进的前馈神经网络，使用一种称为PSOGSA的混合算法。
ALO是一种新的全局优化元启发式算法
main.m- ___________________________________________________________________%
轮盘赌轮选择（重量）-请注意，这些代码取自：
函数图（函数名称）- ___________________________________________________________________%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- ___________________________________________________________________%
获取函数详细信息（F）- ___________________________________________________________________%
随机绕antlion走（Dim、max、lb、ub、antlion、current）- ___________________________________________________________________%
ALO（N、Max_iter、lb、ub、dim、fobj）- ___________________________________________________________________%
GOA是一种新的全局优化元启发式算法
S_func（r）- _________________________________________________________________________%
果阿（北、北、北、北、北、中、北）- _________________________________________________________________________%
初始化(N,昏暗,上,下)- _________________________________________________________________________%
函数图（函数名称）- _________________________________________________________________________%
main.m- _________________________________________________________________________%
获取函数详细信息（F）- _________________________________________________________________________%
用于解决优化问题的鲸鱼优化算法（WOA）工具箱
初始化(SearchAgents_no昏暗,乌兰巴托,磅)- _________________________________________________________________________%
成本函数（x）- _________________________________________________________________________%
WOA (SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj,把手,值)- _________________________________________________________________________%
WOA_工具箱（瓦拉金）- _________________________________________________________________________%
