本人研一萌新，导师研究方向是智能优化算法。有没有前辈们解释一下，进化算法（比如粒子群算法，遗传算法）什么的好学吗？毕业以后可以找什么样的工作呢？待遇怎么样呀？

我也是这个方向 看楼上的回答心里有点凉

题主私信我一下 可以多交流交流

屁用没有，完全找不到工作。如果导师管得不严，就自己学一些东西，如果管的严，就赶紧换导师吧。

怎么会没用呢，你现在做什么项目用不到智能优化算法？？？优化问题在实际应用中非常多，例如车辆的碰撞仿真模型，路径规划，资源优化。在地质、航空航天，各个领域都有大量的优化问题有待解决，因此智能优化技术的应用十分广泛，不存在找不到工作的。找不找得到工作，主要还是看你个人能力，以及学习能力。只要专业是计算机，学习能力强，不管你什么方向，都能找到好工作

蜘蛛蜂优化算法（Spider wasp optimizer，SWO）由Mohamed Abdel-Basset等人于2023年提出，该算法模型雌性蜘蛛蜂的狩猎、筑巢和交配行为，具有搜索速度快，求解精度高的优势。蜘蛛蜂优化算法（Spider wasp optimizer，SWO）_IT猿手的博客-CSDN博客

参考文献：

[1]Abdel-Basset, M., Mohamed, R., Jameel, M. et al. Spider wasp optimizer: a novel meta-heuristic optimization algorithm. Artif Intell Rev (2023). https://doi.org/10.1007/s10462-023-10446-y

斑马优化算法（Zebra Optimization Algorithm，ZOA）Eva Trojovská等人于2022年提出，其模拟斑马的觅食和对捕食者攻击的防御行为。斑马优化算法（Zebra Optimization Algorithm，ZOA）_IT猿手的博客-CSDN博客

参考文献：

E Trojovská, M Dehghani, P Trojovsky. Zebra Optimization Algorithm: A New Bio-Inspired Optimization Algorithm for Solving Optimization Algorithm[J]. IEEE Access, 2022,10:49445-49473.

能量谷优化算法（Energy valley optimizer，EVO）是MahdiAzizi等人于2023年提出的一种新颖的元启发式算法，其灵感来自关于稳定性和不同粒子衰变模式的物理原理。能量谷优化算法（Energy valley optimizer，EVO）_IT猿手的博客-CSDN博客

参考文献

Azizi, M., Aickelin, U., A. Khorshidi, H. et al. Energy valley optimizer: a novel metaheuristic algorithm for global and engineering optimization. Sci Rep 13, 226 (2023). https://doi.org/10.1038/s41598-022-27344-y

开普勒优化算法（Kepler optimization algorithm，KOA）由Mohamed Abdel-Basset等人于2023年提出。

参考文献：Mohamed Abdel-Basset, Reda Mohamed, Shaimaa A. Abdel Azeem, Mohammed Jameel, Mohamed Abouhawwash, Kepler optimization algorithm: A new metaheuristic algorithm inspired by Kepler’s laws of planetary motion, Knowledge-Based Systems, 2023. DOI: https://doi.org/10.1016/j.knosys.2023.110454

淘金优化算法（Gold rush optimizer，GRO）由Kamran Zolf于2023年提出，其灵感来自淘金热，模拟淘金者进行黄金勘探行为。淘金优化算法（Gold rush optimizer，GRO）提供MATLAB代码_IT猿手的博客-CSDN博客

参考文献： K. Zolfi. Gold rush optimizer: A new population-based metaheuristic algorithm. Operations Research and Decisions 2023: 33(1), 113-150. DOI 10.37190/ord230108

测试集：23组基本测试函数简介及图像（提供python代码）_常用测试函数有几个典型_IT猿手的博客-CSDN博客

在智能优化算法的性能测试过程中，经常需要借助一些测试函数对算法的全局搜索和局部搜索的性能测试。CEC(国际进化计算会议) 测试函数，常用的23组整理如下：

参考文献：

[1]Yao X, Liu Y, Lin G M. Evolutionary programming made faster[J]. IEEE transactions on evolutionary computation, 1999, 3(2):82-102.

（1）部分代码

Function_name='F8';%测试函数F1-F23（可以修改）
addpath('https://www.zhihu.com/question/AlgorithmCode/')%添加算法路径
SearchAgents_no=100; % 种群大小（可以修改）
Max_iteration=100; %最大迭代次数（可以修改）
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);%获取测试函数上下界、维度及目标函数
for i=1:size(AlgorithmName,2)%遍历每个算法，依次求解当前问题
[Best_score,Best_pos,Convergence_curve]=Algorithm(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);%当前算法求解
%reference code link： https://mbd.pub/o/bread/ZJuYkp9v
%将当前算法求解结果放入data中
data(i).Best_score=Best_score;%保存该算法的Best_score到data
data(i).Best_pos=Best_pos;%保存该算法的Best_pos到data
data(i).Convergence_curve=Convergence_curve;%保存该算法的Convergence_curve到data
end

（2）部分结果