الگوریتم EMA یک الگوریتم قوی، مقاوم و کارآمد جهت استخراج نقطه بهینه جهانی مسائل بهینه‌سازی می‌باشد. این الگوریتم بهینه‌سازی در سال 2014 توسط ناصر قربانی و ابراهیم بابائی با الهام از هوش انسانی و نحوه داد و ستد سهام در بازار بورس معرفی شده است. تولید و ساماندهی اعداد تصادفی در این الگوریتم به دلیل داشتن دو اپراتور جستجوگر و دو اپراتور جذب کننده به بهترین شکل ممکن صورت می‌گیرد لذا این الگوریتم محدودیت‌ها و مشکلات سایر الگوریتم‌ها نظیر گیر کردن در بهینه های محلی و در نتیجه همگرایی زودرس (مشکل اکتشاف) یا توانایی نا کافی در یافتن نقاط مجاور نقطه بهینه (مشکل استخراج) و همگرا شدن به جواب های غیر یکسان در هر بار اجرای برنامه را تا حد قابل قبولی بهبود داده است. زمان کم اجرای برنامه، تولید و ساماندهی بسیار مناسب اعداد تصادفی به دلیل داشتن دو اپراتور جذب کننده و دو اپراتور جستجوگر موثر و کارآمد، قابلیت انتخاب محدوده جستجو و درنتیجه توانایی بهینه‌سازی انواع گوناگون مسائل، همگرای به جواب‌های کاملا یکسان در هر بار اجرای برنامه، عدم گیر کردن در بهینه‌های محلی و در نتیجه توانایی بسیار بالا در استخراج نقطه بهینه جهانی از مزایای الگورتم EMA می‌باشد. با توجه به نتایج حاصل شده استفاده از این الگوریتم به عنوان یک ابزار کارآمد و قابل اطمینان جهت حل مسائل مهندسی و کاربردی پیشنهاد می‌گردد.

بسته علمی شامل شبیه سازی نحوه بهینه سازی توابع تست مختلف به کمک الگوریتم علف هرز مهاجم Exchange Market Algorithm optimization (EMA) براساس چندین تابع تست مختلف مانند Ackley،Rastrigin ،Sphere ،Raosenbrock ،Griewank  و ... با قابلیت تغییر آسان تابع تست با هر ابعاد

((فایل ضمیمه شامل تمامی برنامه و زیربرنامه های لازم است))