海鸥优化算法（含源码）
提出了一种新的仿生算法&海鸥优化算法（SOA）解决计算量大的问题。该算法的主要灵感是迁移和海鸥在自然界中的攻击行为。这些行为是数学建模和实现的强调在给定的搜索空间中的探索和开发。SOA算法的性能分析在44个基准测试函数上与9个著名的元启发式算法进行了比较。分析对算法的计算复杂度和收敛性进行了评估。然后将其应用于七个有约束的实际工业应用中，以证明其适用性。实验结果表明，该算法能够解决具有挑战性的大规模问题与其它优化算法相比，约束问题是一种非常有竞争力的算法。
优化是确定决策变量的过程函数的最小值或最大值。大部分现实世界中的问题具有非线性约束、计算量大、非凸性、复杂性和解的数量多等特点。因此，解决这类问题需要大量的变量和约束非常繁琐和复杂。
其次，有许多局部最优解不存在用经典数值方法保证最佳解。
为了克服这些问题，引入了元启发式优化算法来解决这些复杂问题。最近，人们发现开发计算成本低廉的元启发式算法，灵活，本质简单。