为了模拟磷虾群的自由度和不确定的个体行为,将磷虾群学习算法(OBL)和自由搜索算子引入磷虾群优化算法(KH),并提出了一种新颖的基于磷虾群的自由搜索磷虾群优化算法(FSKH )。 在FSKH中,每个磷虾个体都可以根据自己的感知和活动范围进行搜索。 免费搜索策略极大地鼓励了人们摆脱陷入局部最优解的困境。 因此,磷虾种群的多样性和勘探能力得到了提高。 FSKH可以在本地搜索和全局搜索之间实现更好的平衡。 十四种基准函数的实验结果表明,该算法在低维和高维情况下都是有效可行的。 并且FSKH的收敛速度和精度更高。 与PSO,DE,KH,HS,FS和BA算法相比,该算法具有更好的优化性能和鲁棒性。