秃鹰搜索 (BES) 算法，这是一种新颖的、受自然启发的元启发式优化算法，它模仿秃鹰在寻找鱼时的狩猎策略或智能社交行为。

本资源包包含：斑鬣狗优化、蝙蝠优化算法、布谷鸟搜索算法cuckoo_search、法医调查算法、飞蛾优化算法、蝠鲼优化算法、哈里斯鹰优化算法、海鸥优化算法、海洋捕食者算法、黑猩猩优化算法、蝴蝶优化算法、蝗虫优化算法、郊狼优化算法、晶体结构算法、精子群优化算法、鲸鱼优化算法、麻雀优化算法、黏菌觅食优化算法、蜻蜓优化算法、人工生态系统算法

1.分为脚本和程序，可修改脚本中的条件，也可直接在其他函数中调用该程序 2.自带画图显示 3.注释简单易懂

1.分为脚本和程序文件，方便修改和调用 2.注释较多，简单易懂 3.目标函数，精度，迭代次数等条件可修改，兼容性强

1.使用粒子群算法求解任意函数最值（最大、最小均可） 2.计算过程中实时输出寻优图像 3.最终输出gif文件用于演示计算过程 4.粒子数、迭代次数、精度、目标函数值等可修改 5.有较多注释，简单易懂

混合储能兼具能量型储能与功率型储能的优势，针对混合储能在风电平抑中的配置问题，提出了一种基于元模型优化算法的混合储能双层优化配置方法。首先，利用小波分解对风电功率的原始数据进行分解，得到混合储能需要平抑的功率。然后，针对功率分配策略对混合储能容量配置的影响问题，提出一种混合储能容量嵌套式双层优化配置方法。该方法的内层为混合储能功率优化分配策略，以荷电状态、充放电功率为约束条件，以蓄电池总体充放电功率最小为目标函数，以提高蓄电池的使用寿命；外层以最小容量、最小功率为约束条件，以混合储能的全寿命周期年均成本最小为目标函数。针对多变量、非线性、计算密集型双层优化方法具有求解复杂、计算时间长等问题，提出基于元模型优化算法的优化求解方法。算例分析结果表明，所提优化配置方法可以在保持混合储能经济性最优的同时，有效避免蓄电池频繁充放电，从而提高了其使用寿命；相比于传统的启发式求解方法，基于元模型优化算法的优化求解方法的计算速度更快，所得优化配置结果更精确。

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题，提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整，使其随着算法的迭代次数的增加而逐渐减小，但当视野小于初始值的一半时，停止减小，使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中，并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小，而且更加准确和稳定。

对象为风电接入的IEEE33节点配电系统，已知风电分别接入在10节点（pw1）和17节点（pw2），采用粒子群优化算法求解无功补偿装置的最优补偿无功功率，使得系统的网损最小，潮流计算采用前推回代法。 目标函数：确定无功补偿装置接入系统的最优无功补偿注入功率使得系统的运行网损最小（程序中的注释有详细的说明）约束：无功出力上下限，关于粒子群迭代过程中，粒子位置越限处理注释中有说明。

包括：1、标准粒子群算法程序，和含变异算子的改进PSO算法 2、基于模拟退火的粒子群优化算法 3、混合粒子群算法 4、遗传算法与粒子群神经网络的混合算法等

如今，优化算法的设计非常流行，以解决各个科学领域的问题。优化算法通常受到代理的自然行为的启发，代理可以是人类、动物、植物或物理或化学代理。过去十年提出的大多数算法都受到动物行为的启发。在本文中，我们提出了一种新的优化器算法，称为野马优化器 (WHO)，它的灵感来自野马的社会生活行为。