阿尔比鲁尼地球半径（BER）元启发式搜索优化算法

元启发式优化算法为解决各种类型应用和领域的多个优化问题提供了一种有效的方法。最近文献中出现了几种元启发式和进化优化算法，受到了广泛关注，如粒子群优化（PSO）、鲸鱼优化算法（WOA）、灰狼优化算法（GWO）、遗传算法（GA）和引力搜索算法（GSA）。根据文献，没有一种元启发式优化算法可以处理所有现有的优化问题。因此，仍然需要新的优化方法。本文提出了阿尔比鲁尼地球半径（BER）搜索优化算法。该算法的提出受到群体成员实现其全球目标行为的启发。待探索的局部解周围的搜索空间由阿尔比鲁尼地球半径计算方法确定。与现有的最先进优化算法进行的比较分析证实了BER在七个数学优化问题上的验证和测试结果。结果显示，BER既能探索也能避免局部最优。BER还在一个工程设计优化问题上进行了测试。结果表明，就性能和能力而言，BER的表现优于最先进的元启发式优化算法。