白鹭群优化算法（ESOA）及其MATLAB代码实现
白鹭群优化算法（Egret Swarm Optimization Algorithm，简称ESOA）是一种基于自然界白鹭群觅食行为的启发式优化算法。该算法模拟了白鹭在觅食过程中的集群协作行为，通过合作寻找食物的策略来寻找最优解。本文将介绍ESOA算法的基本原理，并提供MATLAB代码实现。
ESOA算法的基本原理是模拟白鹭群觅食的行为。在现实生活中，白鹭通过集体觅食的方式提高觅食效率。在觅食过程中，白鹭会相互协作，通过观察其他鹭鸟的觅食行为并与之保持一定距离，从而找到更多的食物。
ESOA算法中的个体被称为鹭鸟，每个鹭鸟代表一个解空间中的候选解。算法通过迭代更新每个鹭鸟的位置来寻找最优解。具体而言，ESOA算法包含以下几个步骤：
步骤1：初始化种群
随机生成一群鹭鸟，每只鹭鸟的位置表示候选解。
步骤2：评估适应度
计算每只鹭鸟的适应度值，适应度值用于评估解的优劣程度。
步骤3：更新位置
根据白鹭群觅食的行为策略，更新每只鹭鸟的位置。更新位置的过程可以通过调整鹭鸟的速度和方向来实现。
步骤4：更新适应度
计算更新后每只鹭鸟的适应度值。
步骤5：选择最优解
根据适应度值选择最优解。
步骤6：终止条件判断
判断是否满足终止条件，若满足则输出最优解；否则返回步骤3。
下面是ESOA算法的MATLAB代码实现：