A Review of 315 Benchmark and Test Functions for Machine Learning Optimization Algorithms and Metaheuristics with Mathematical and Visual Descriptions

在快速发展的优化和元启发式领域中，算法的有效性关键取决于基准（测试）函数。虽然在过去几十年中已经开发和推导出了几个函数，但是关于许多这样的函数的数学和视觉描述、适用范围和应用的信息很少。为了弥补这一知识空白，本综述提供了对用于评估优化和元启发式算法的300多个基准函数的详尽调查。本综述首先根据基准和测试函数的特征、复杂性、属性、视觉和领域影响对其进行分类，以提供一个广泛的视角，有助于选择适合各种算法挑战的基准。本综述还列出了开放文献中最常用的25个函数，并提出了两个新的、高维、动态和具有挑战性的函数，可用于测试新算法。最后，本综述确定了当前基准测试实践中的差距，并提出了未来研究的方向。

本论文旨在提供超过300个基准函数的全面调查，这些函数用于评估优化和元启发式算法的效果。论文试图解决的问题是如何选择适当的基准函数来测试各种算法挑战。

论文提供了一个基于基准函数的特征、复杂性、属性、可视化和领域影响的分类目录，以便为算法挑战选择适当的基准函数。此外，论文还列出了开放文献中使用最广泛的25个函数，并提出了两个新的高维、动态和具有挑战性的函数，可用于测试新算法。

本论文提供了一个全面的基准函数调查，涵盖了超过300个基准函数。论文还列出了最常用的25个函数，并提出了两个新的高维、动态和具有挑战性的函数。此外，论文还指出了当前基准测试实践中的差距，并提出了未来研究的方向。

最近在这个领域中，还有一些相关的研究，例如：'A Comprehensive Survey of Swarm Optimization Algorithms'、'A Survey of Evolutionary Computation'等。