TY - JOUR A2 - 戈麦斯 - 普利多，胡安A. AU - 艾哈迈德，亚兰M. AU - 拉希德，塔里克A. AU - 赛义德，索朗抗体。M. PY - 2020 DA - 2020年1月22日TI - 猫群优化算法的调查分析和绩效评估SP - 4854895 VL - 2020 AB - 本文提出了一种深入的调查和猫群优化绩效考核（CSO）算法。CSO是因为它的出现已经收到了非常积极的反馈一个强大的和强大的启发式基于群的优化方法。已解决许多优化问题，它的许多变种相继出台。然而，文学缺乏一个详细的调查，或在这方面的表现评价。因此，本文是企图审查所有这些作品，包括它的发展和应用，以及它们相应的组。此外，CSO上23个经典测试函数和10个现代基准函数（CEC 2019）进行测试。那么结果对三种新的和强大的优化算法，即相比，蜻蜓算法（DA），蝴蝶优化算法（BOA），和健身相关的优化器（FDO）。然后，这些算法是根据弗里德曼测试排名，结果显示，CSO排名第一的整体。 Finally, statistical approaches are employed to further confirm the outperformance of CSO algorithm. SN - 1687-5265 UR - https://doi.org/10.1155/2020/4854895 DO - 10.1155/2020/4854895 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -