✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。
🍎完整代码获取 定制创新 论文复现私信
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
青蒿素优化算法（AOA）和霜冰优化算法（RIME）都是新型元启发式算法，前者受青蒿素治疗疟疾过程启发，后者源于霜冰形成过程模拟。以下是二者对比：
- 核心机制
：AOA 有三阶段优化策略，综合淘汰阶段通过全局搜索快速定位潜在最优区域，局部清除阶段进行局部搜索细化解质量，后巩固阶段引入信息交叉机制防止陷入局部最优。RIME 包含软霜搜索策略，通过大范围探索与小范围开发的切换实现高效优化；硬霜穿刺策略，通过粒子交换增强收敛速度和跳出局部最优的能力；还有正向贪婪机制，确保种群持续向更优方向演化。
- 多样性保持策略
：AOA 通过信息交叉机制在后期巩固阶段引入外部解信息，增强种群多样性。RIME 依靠硬霜穿刺策略通过粒子交换打破局部最优，同时正向贪婪机制确保优秀个体保留，以此维持种群多样性。
- 收敛速度与精度
：在 IEEE CEC 2014 和 CEC 2022 测试集上，AOA 在单峰函数中收敛速度较快，但在多峰函数中易陷入局部最优。RIME 在 CEC2017 和 CEC2022 测试集中，在 23 个标准测试函数中表现优异，尤其在多峰函数中全局搜索能力更强。
- 鲁棒性与适应性
：AOA 通过三阶段策略和概率系数设计，对初始解分布和问题维度变化具有较强鲁棒性。RIME 将软霜搜索策略的随机性与硬霜穿刺策略的确定性结合，在路径规划、无线传感器覆盖等动态优化问题中表现出色。
- 典型应用场景
：AOA 适用于医学图像分割、多目标优化等场景。例如在乳腺癌病理图像分割中，其分割准确性等指标优于对比算法。RIME 则在预测与分类（结合 SVM、LSTM 等模型）、路径规划（如机器人路径规划和无人机三维路径规划）等领域表现良好。
