引言
近年来，在合理框架内求解优化问题的元启发式算法的发展引起了全球科学界的极大关注。本期介绍一种新的创新算法------狒狒优化算法Baboon optimization algorithm,BOA。基于狒狒群体的分层社会结构、觅食策略和应激反应机制的新型元启发式算法。该算法于2026年6月最新发表 在 JCR 1区，中科院2区、新锐2区期刊 Ain Shams Engineering Journal。
数学建模
提出了狒狒优化算法（BOA）的总体框架。该算法的灵感来自狒狒的集体行为，包括它们的等级社会结构、觅食策略和应激反应机制。这些生物特征被转化为数学运算符，在优化过程中平衡勘探和开发。
- 初始化：与其他优化算法类似，通过在定义的决策空间范围内随机初始化种群来开始搜索优质解决方案。
在每次迭代中，根据适应度对个体进行排序，并将个体划分为三层：领导层、成年层和幼崽层。领导层，包括适合度最高的个体顶部比例p1，负责全局探索并引导种群走向有希望的地区，反映了狒狒部队中经验丰富的领导者的作用。成年层，由下一层组成个体的比例p2，进行区域搜索并与领导者保持信息交换，与成年狒狒的探索行为相对应.幼崽层，由底部组成适合度最低个体的比例p3，围绕最佳解决方案进行细粒度的局部开发，反映了幼狒狒在成年狒狒监督下的学习和细化行为。这些比例满足p1+p2+p3=1；它们的最优值是通过系统调谐确定的。每一层的搜寻强度随着时间的推移而衰减，这反映出狒狒在接近食物来源时减少了活动范围。
- 觅食阶段：缩小搜索。当最近找到更好的解时，算法会加强局部开发。这对应于狒狒聚集在一个发现的食物来源周围。位置更新由式(4)给出。
广泛搜索。当最近没有发现任何改进时，算法扩展其搜索范围以逃避局部最优。这反映了狒狒在当前区域耗尽时分散寻找新的食物来源。
- 应激反应：当狒狒遇到捕食者时，它们表现出两种截然不同的反应：群体收缩，个体迅速向领导者聚集，形成一个防御圈；随机疏散，一些个体分散开来，分散捕食者的注意力。BOA模拟这些行为来完善解决方案并避免过早收敛。
种群收缩。这种行为由Eq.(6)模拟，其中个体迅速向当前最佳解决方案移动同时被随机解排斥
。引入一个随时间振荡的正弦扰动，代表狒狒在群体协调期间的有节奏的运动。
随机的疏散。这种行为由Eq.(7)模拟。在相同的概率下，个体要么执行levy飞行以逃离当前区域（第一种情况），要么向最佳、均值和随机解决方案的平均值移动（第二种情况）。随着时间的推移而衰减，反映出疏散的紧迫性随着种群接近安全而降低。
算法伪代码：
03. 对比验证
原文作者在23个经典测试函数、CEC-2020和CEC-2022测试套件上进行了评估。在单峰函数上，BOA始终具有较强的开发能力。它在10个CEC-2020功能中有5个和12个CEC-2022功能中有9个达到了最佳效果。统计分析证实，在大多数测试功能上，BOA的性能明显优于10种比较算法。然而，BOA在计算效率上存在局限性，其总运行时间超过5种算法。
参考文献
Bin Deng,Baboon optimization algorithm: A novel nature-inspired metaheuristic algorithm for optimization problems,Ain Shams Engineering Journal,Volume 17, Issue 6,2026,104178,https://doi.org/10.1016/j.asej.2026.104178.
Matlab代码下载
微信搜索并关注-优化算法侠（英文名：Swarm-Opti），或扫描下方二维码关注，以算法名字搜索历史文章即可下载。
完整代码
https://mp.weixin.qq.com/s/tXKZDtNmDcRw9euPff4_UA
点击链接跳转：
400多种优化算法免费下载-matlab
求解cec测试函数-matlab
cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！
215种群智能优化算法python库
解决12工程设计优化问题-matlab
求解11种cec测试函数-python
解决30种工程设计优化问题-python
《一行破万法》：80余种改进策略仅需一行，可改进所有优化算法（附matlab代码）
【有经典，有最新】24种信号分解方法（附matlab代码）
【分类新范式】28种一维数据转换成二维图像的方法-matlab代码
2025年故障诊断的创新思路在哪里？赶紧来学习这28种创新方法！
https://mp.weixin.qq.com/s/EdRYeziIhnZE5zK0ZZhwmg