射水鱼狩猎优化器：一种用于全局优化的新型元启发式算法

全局优化通过最小化目标函数以数值或解析方式解决现实世界问题。大多数解析算法是贪婪的且在计算上难以处理。元启发式算法是受自然启发的优化算法。它们能在合理时间内为优化问题数值地找到近最优解。我们提出一种用于全局优化的新型元启发式算法。它基于射水鱼为捕食空中昆虫而表现的射击与跳跃行为。我们将其命名为射水鱼狩猎优化器（Archerfish Hunting Optimizer, AHO）。我们进行两类比较以验证所提算法的性能。首先，在 CEC 2020 无约束优化基准的十个测试函数上，将 AHO 与 12 种近期元启发式算法（2020 年单目标有界约束数值优化竞赛的录用算法）进行比较。其次，使用取自 CEC 2020 非凸约束优化基准的五个工程设计问题，评估 AHO 与 3 种近期元启发式算法的性能。实验结果采用 Wilcoxon 符号秩检验和 Friedman 检验进行评估。统计指标表明，射水鱼狩猎优化器在与成熟优化器的竞争中具备实现更高性能的出色能力。