基于麻雀算法ssa的测试函数Eggholder优化，测试函数的100求解方法之11

Eggholder测试函数（十一）

Eggholder函数是一个难以优化的函数，因为存在大量的局部极小值，并且波峰波谷陡峭，比较容易陷入局部最优，是测试各种算法的一个较好的函数，测试效果好就能说明算法性能优异，参数设置合理，同时能检验一个程序员是否真正掌握算法的精髓。一种新型的群智能优化算法，在2020年提出，主要是受麻雀的觅食行为和反捕食行为的启发，在麻雀觅食的过程中，分为发现者（探索者）和加入者（追随者），发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和加入者这两种行为策略进行觅食。种群中的个体会监视群体中其它个体的行为，并且该种群中的攻击者会与高摄取量的同伴争夺食物资源，以提高自己的捕食率。此外，当麻雀种群意识到危险时会做出反捕食行为，本文用麻雀算法ssa对Eggholder进行优化求解，其中，测试函数Eggholder图像如下：

MATALB编程的Eggholder函数代码如下：

clc 
clear
close all
clc
clear
close all
[x,y]= meshgrid(-500:2:500);
[mx,my] = size(x);
z = zeros(size(x));
for ii = 1:mx
    for jj = 1:my