一、沙丁鱼优化算法
沙丁鱼优化算法(Sardine optimization algorithm,SOA)由Zhang HongGuang等人于2023年提出，该算法模拟沙丁鱼的生存策略，具有搜索能力强，求解精度高等特点。
沙丁鱼主要以浮游生物为食，这些生物包括细菌、腔肠动物、软体动物、原生动物、十足目、幼小藤壶、鱼卵、甲藻、桡足类等。沙丁鱼的季节饵料组成会随着水文条件的变化而改变。在上升流剧烈的时期，饵料组成以浮游植物为主；而在上升流微弱的时期，饵料组成则以浮游动物为主。沙丁鱼是一种滤食动物，它们通过鳃过滤海水，捕获通过鳃的浮游生物。此外，沙丁鱼拥有一双透镜眼，这极大地提高了它们的视力和图像亮度，因此它们能够利用视力追踪在水中过滤的猎物。除了像大多数鱼类一样借助快速的游动逃避捕食者外，沙丁鱼还利用群体行为来躲避捕猎者。例如，当遇到捕食沙丁鱼的海豚时，沙丁鱼会聚成大群来对抗海豚的捕食。在没有外部威胁或障碍物时，鱼群通常会聚成接近球形的形态，以便协同躲避。
参考文献：Zhang, H., Tang, M., Liu, Y. et al. Sardine Optimization Algorithm with Agile Locality and Globality Strategies for Real Optimization Problems . Arab J Sci Eng 48 , 9787--9825 (2023). Sardine Optimization Algorithm with Agile Locality and Globality Strategies for Real Optimization Problems | SpringerLink
二、23个测试函数简介
23个测试函数简介
测试集：23组基本测试函数简介及图像（提供python代码）_IT猿手的博客-CSDN博客
参考文献：
1 Yao X, Liu Y, Lin G M. Evolutionary programming made fasterJ. IEEE transactions on evolutionary computation, 1999, 3(2):82-102.
三、SOA求解23个测试函数
（1）部分代码
close all
clear ;
clc;
SearchAgents_no=20; % 种群数量
Function_name='F1'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper) 设定适应度函数
Max_iteration=100; % Maximum numbef of iterations 设定最大迭代次数
% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name); %设定边界以及优化函数
%% Executing SOA algorithm
[BestIndividual,BestFitness,curve]=SOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); %开始优化
figure
plot(curve,'Color','r','linewidth',2.5)
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
axis tight
grid on
box on
legend('SOA')
display(['The best solution obtained by SOA is ', num2str(BestIndividual)]);
display(['The best optimal value of the objective funciton found by SOA is ', num2str(BestFitness)]);（2）部分结果
