适合发SCI！独家原创改进SCI顶刊黑翅鸢优化算法IBKA！四大改进点！CEC2017有效！

        声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~

很久没给小伙伴们带来改进算法了，今天花了大量精力，给大家带来一期独家原创改进的黑翅鸢算法IBKA，并且包含一对一腾讯会议讲解。i代表improved，大家也可以自行改成喜欢的名字。

首先介绍一下本次改进的算法，黑翅鸢算法BKA是发表在SCI人工智能Top顶刊《Artificial Intelligence Review》上的一个算法，2024年刚刚推出，用的人还非常少。你先改进，别人后面的文章不就必须引用你的文章了吗？

想要了解这个算法的同学，可以看下往期推文，链接如下：

2024年SCI一区新算法-黑翅鸢优化算法(BKA)-公式原理详解与性能测评 Matlab代码免费获取

花了大量时间，改进一个SCITop级别期刊的算法，并且效果还非常好，这样的改进，是什么含金量，能发什么级别的期刊，就不用我多说了吧。

更重要的是，本次改进在CEC2017函数上非常有效！打败了众多对比算法！CEC2017函数想必懂得人都懂，以往的基准测试函数完全无法与之相比，找到最优值难度极大，能够在这个测试函数上排名靠前的算法，完全可以发高水平SCI。不信的话，可以看看往期文献对此类测试函数的描述：

具有挑战性的意思，就不用我多说了。而我们的改进算法，在这套测试函数中大部分排名第一或第二。

同时，对比算法也均选用了2024年发表在SCI上的新算法，或者高被引算法，或者经典算法进行对比，新旧搭配，对比充分，更能防止被审稿人质疑，具体包括：

1.原始黑翅鸢优化算法（2024年SCI新算法）

2.信息获取优化算法（2024年SCI新算法）

3.河马优化算法（2024年SCI新算法）

4.鱼鹰优化算法（高被引算法）

5.白鲸优化算法（高被引算法）

6.飞蛾扑火优化算法（经典算法）

当然，如果大家有需要对比别的优化算法，都是完全没有问题的，可以免费帮忙换。

废话不多说，一共四个改进点，每个改进点都会一对一讲解，讲到你懂为止（腾讯会议）。

设置种群数为30，迭代次数为1000，函数维度为30，红色代表我们改进算法的曲线，因为是求最小值，所以收敛曲线越往下，说明算法效果越好。直接看效果图：

一共29个函数（F2被官方删除），上面是前8个函数，无一遗漏，可以看到，IBKA有非常强的跳出局部最优的能力，基本上排名都是第一。

当然，也别说我只放前几个或者某某函数，由于篇幅限制，这边再放最后五个。效果如何，一看便知。

原始的BKA算法在23个标准测试函数上效果是不错的，但是在CEC2017上效果不佳。而我们的IBKA算法可以在绝大部分CEC2017函数上都取得排名第一的成绩（曲线都在最下方）。并且，与原算法（蓝线）的差距非常明显。

同时，为了方便小伙伴们粘贴结果到word里，这边也贴心地整理好了最优值、平均值、标准差、最差值这些指标结果在Excel里，大家在使用时仅需复制粘贴即可。

更为重要的是，我们这边也全部提供了两种检验，能够更为直观地看出改进算法与其他算法的差距，更能增加不少工作量与算法的说服力！

首先是Wilcoxon秩和检验：

还有Friedman检验：

以及所有函数的箱型图：

可以看到，IBKA算法在29个CEC2017函数中的整体平均排名达到了1.93！而原BKA算法是3.24，并且p值远远小于0.05，也就是说，该改进算法在大部分函数上都能取得第一第二的成绩！

独家原创作品，老规矩，代码只出售一次，不会二次出售，内容包括以上所有，并且包含一次腾讯会议讲解，附赠相应参考文献，包教包会，不会让你无从动笔。

想要以上代码的话，点击下方小卡片，后台回复关键词即可：

YCGJC