BMR and BWR: Two simple metaphor-free optimization algorithms for solving real-life non-convex constrained and unconstrained problems

本文提出了两种简单而又强大的优化算法，分别称为最佳-平均-随机（BMR）算法和最佳-最差-随机（BWR）算法，用于处理有约束和无约束的优化问题。这些算法不涉及隐喻和特定的算法参数。BMR算法基于用于解决给定问题的种群的最佳、平均和随机解；而BWR算法基于最佳、最差和随机解。通过将这两种算法应用于26个实际的非凸约束优化问题，其中这些问题是在2020年进化计算大会（CEC）竞赛中给出的，与其他著名的优化算法进行比较，研究了这两种算法的性能。此外，对30个无约束标准基准优化问题进行了计算实验，其中包括5个具有不同特征的最近开发的基准问题。结果证明了这两种简单算法的更好竞争力和优越性。通过将这些算法应用于各种科学和工程学科中的各种有约束和无约束的实际优化问题，优化研究社区可以获得优势。

提出两个简单而强大的优化算法，用于处理约束和非约束优化问题。

BMR算法和BWR算法分别基于种群的最佳、平均、随机解以及最佳、最差、随机解。这些算法没有隐喻和特定参数。

实验结果表明，这些算法在26个实际非凸约束优化问题和30个标准基准优化问题上表现出更好的竞争力和优越性。

与其他著名的优化算法进行了比较，如Differential Evolution (DE)，Particle Swarm Optimization (PSO)，Genetic Algorithm (GA)等。