免费项目
长鼻浣熊优化算法 COA｜2022年｜MATLAB标准实现｜基础优化算法代码
长鼻浣熊优化算法（COA）提出于 2022 年，模拟长鼻浣熊的种群初始化、鬣蜥捕猎与逃离天敌两种策略。本包为 MATLAB 标准实现，返回最优适应度、最优解与逐代收敛曲线，适合作为对比实验的基准算法与教学示例。
项目说明
长鼻浣熊优化算法（COA）
提出年份：2022 年 编程语言：MATLAB
长鼻浣熊优化算法（COA）是 2022 年提出的一种优化算法，模拟长鼻浣熊的种群初始化、鬣蜥捕猎与逃离天敌两种策略。
- 标准迭代框架，参数含义清晰，便于阅读与二次开发
- 入口参数统一为 种群规模 / 迭代次数 / 下界 / 上界 / 维度 / 目标函数句柄
- 返回最优适应度值、最优解位置与逐代收敛曲线，可直接与其它算法对比
交付内容：COA.m 主算法文件、README.txt（参数说明与调用示例）
调用方式：[Best_score, Best_pos, COA_curve] = COA(SearchAgents, Max_iterations, lowerbound, upperbound, dimension, fitness)
运行环境：MATLAB，无需额外依赖，解压即可运行