diff --git a/MQL5/Include/Math/AOs/PopulationAO/#C_AO_enum.mqh b/MQL5/Include/Math/AOs/PopulationAO/#C_AO_enum.mqh
index 24d6937..36e4b09 100644
Binary files a/MQL5/Include/Math/AOs/PopulationAO/#C_AO_enum.mqh and b/MQL5/Include/Math/AOs/PopulationAO/#C_AO_enum.mqh differ
diff --git a/MQL5/Include/Math/AOs/PopulationAO/AO_COA_CoyoteOptimizationAlgorithm.mqh b/MQL5/Include/Math/AOs/PopulationAO/AO_COA_CoyoteOptimizationAlgorithm.mqh
new file mode 100644
index 0000000..464755e
--- /dev/null
+++ b/MQL5/Include/Math/AOs/PopulationAO/AO_COA_CoyoteOptimizationAlgorithm.mqh
@@ -0,0 +1,380 @@
+//+——————————————————————————————————————————————————————————————————+
+//| C_AO_COA_Coyote|
+//| Copyright 2007-2025, Andrey Dik |
+//| https://www.mql5.com/ru/users/joo |
+//+——————————————————————————————————————————————————————————————————+
+#include "#C_AO.mqh"
+//+------------------------------------------------------------------+
+//| Coyote Optimization Algorithm (COA). |
+//| Pierezan J., Coelho L.S. "Coyote Optimization Algorithm: A new |
+//| metaheuristic for global optimization problems", IEEE CEC 2018. |
+//| |
+//| Структура: популяция разбита на nPacks стай по nCoy койотов. |
+//| За эпоху в каждой стае: |
+//| 1. определяется альфа (лучший по фитнесу, Eq. 5); |
+//| 2. считается «социальная тенденция» — покоординатная медиана |
+//| стаи (Eq. 6); |
+//| 3. каждый койот делает социальный ход (Eq. 12): |
+//| new = x + r1*(alpha - x_rc1) + r2*(tend - x_rc2), |
+//| r1, r2 — СКАЛЯРЫ на агента (как в оригинале); |
+//| 4. рождается щенок (Eq. 7, Alg. 1): бинарный кроссовер двух |
+//| случайных родителей + равномерный шум по части координат; |
+//| 5. принятие — только при строгом улучшении (Eq. 14). |
+//| Редкий обмен койотами между стаями (Eq. 4, p_leave) и счётчик |
+//| возраста (щенок обнуляет возраст слота). |
+//| |
+//| АДАПТАЦИЯ К БАТЧЕВОЙ СХЕМЕ СТЕНДА (Moving/Revision): |
+//| 1. Оригинал последовательный: каждый новый койот оценивается |
+//| сразу, плюс отдельная оценка щенка — nCoy+1 вызовов FF на |
+//| стаю за «год». Здесь щенок занимает слот ХУДШЕГО койота стаи |
+//| (при равенстве фитнеса — старшего по возрасту); социальный |
+//| ход этого койота в текущую эпоху пропускается. Итог: ровно |
+//| popSize вызовов FF за эпоху, бюджет расходуется честно. |
+//| 2. Приживание щенка в оригинале: замена старейшего среди тех, |
+//| кто хуже щенка. Здесь слот выбран заранее (худший/старший), |
+//| щенок принимается, если строго лучше него — поведенчески |
+//| эквивалентное приближение в рамках greedy-acceptance. |
+//| 3. Все ходы эпохи считаются от снапшота популяции (в оригинале |
+//| обновления внутри стаи частично последовательные). |
+//| |
+//| ВНИМАНИЕ (для off-diagonal проверки): в социальном ходе r1 и r2 |
+//| — скаляры, домножающие целые векторы разностей. Это потенциаль- |
+//| ный кандидат на «диагональный чит» на бенче из копий функции — |
+//| проверить составным тестом с |x_norm - y_norm| > 0.3. |
+//+------------------------------------------------------------------+
+class C_AO_COA_Coyote : public C_AO
+ {
+public:
+ ~C_AO_COA_Coyote() {}
+ C_AO_COA_Coyote()
+ {
+ ao_name = "COA(Coyote)";
+ ao_desc = "Coyote Optimization Algorithm";
+ ao_link = "https://www.mql5.com/ru/articles/23053";
+
+ popSize = 20;
+ nCoy = 5;
+
+ ArrayResize(params, 2);
+ params [0].name = "popSize";
+ params [0].val = popSize;
+ params [1].name = "nCoy";
+ params [1].val = nCoy;
+
+ nPacks = popSize / nCoy;
+ }
+
+ void SetParams()
+ {
+ popSize = (int)params [0].val;
+ nCoy = (int)params [1].val;
+
+ nPacks = popSize / nCoy;
+ }
+
+ bool Init(const double &rangeMinP [],
+ const double &rangeMaxP [],
+ const double &rangeStepP [],
+ const int epochsP = 0);
+
+ void Moving();
+ void Revision();
+
+ //--- видимые параметры
+ int nCoy; // койотов в стае (оригинал: 5)
+
+private:
+ int nPacks; // число стай = popSize / nCoy
+ double pLeave; // вероятность обмена между стаями: 0.005*nCoy^2
+ double probPup; // (1 - Ps)/2, Ps = 1/coords
+
+ int packs []; // [nPacks * nCoy] — индексы агентов по стаям
+ int ages []; // [popSize] — возраст койота
+ bool isPup []; // [popSize] — слот щенка в текущую эпоху
+
+ //--- snapshot для greedy acceptance
+ double snap_c []; // [popSize * coords]
+ double snap_f []; // [popSize]
+
+ //--- рабочие буферы
+ double medBuf []; // [nCoy] — для медианы
+ double tend []; // [coords] — социальная тенденция стаи
+ int pdr []; // [coords] — перестановка измерений (щенок)
+ int mask []; // [coords] — 0: шум, 1: родитель 1, 2: родитель 2
+ };
+//+------------------------------------------------------------------+
+
+//+------------------------------------------------------------------+
+//| Init |
+//+------------------------------------------------------------------+
+bool C_AO_COA_Coyote::Init(const double &rangeMinP [],
+ const double &rangeMaxP [],
+ const double &rangeStepP [],
+ const int epochsP = 0)
+ {
+ if(!StandardInit(rangeMinP, rangeMaxP, rangeStepP))
+ return false;
+
+//--- начальная случайная популяция в cP[] (Eq. 2)
+ for(int i = 0; i < popSize; i++)
+ for(int c = 0; c < coords; c++)
+ a [i].cP [c] = u.RNDfromCI(rangeMin [c], rangeMax [c]);
+
+//--- параметры, зависящие от nCoy и coords
+ pLeave = 0.005 * (double)nCoy * (double)nCoy; // Eq. 4
+ probPup = (coords > 0) ? (1.0 - 1.0 / (double)coords) * 0.5 : 0.0; // (1-Ps)/2
+
+//--- буферы
+ ArrayResize(snap_c, popSize * coords);
+ ArrayResize(snap_f, popSize);
+ ArrayResize(packs, nPacks * nCoy);
+ ArrayResize(ages, popSize);
+ ArrayResize(isPup, popSize);
+ ArrayResize(medBuf, nCoy);
+ ArrayResize(tend, coords);
+ ArrayResize(pdr, coords);
+ ArrayResize(mask, coords);
+
+ ArrayInitialize(ages, 0);
+ ArrayInitialize(isPup, false);
+
+//--- случайное распределение койотов по стаям (Fisher–Yates)
+ for(int i = 0; i < popSize; i++)
+ packs [i] = i;
+ for(int j = popSize - 1; j > 0; j--)
+ {
+ int r = u.RNDminusOne(j + 1);
+ int tmp = packs [j];
+ packs [j] = packs [r];
+ packs [r] = tmp;
+ }
+
+ return true;
+ }
+//+------------------------------------------------------------------+
+
+//+------------------------------------------------------------------+
+//| Moving |
+//| |
+//| Структура эпохи: |
+//| 1. snapshot популяции; |
+//| 2. редкий обмен койотами между стаями (Eq. 4); |
+//| 3. для каждой стаи: альфа, тенденция-медиана, слот щенка; |
+//| 4. социальные ходы (Eq. 12) для всех, кроме слота щенка; |
+//| 5. в слот щенка — кроссовер двух родителей + шум (Alg. 1). |
+//+------------------------------------------------------------------+
+void C_AO_COA_Coyote::Moving()
+ {
+//--- первый прогон: cP -> c, чтобы внешний цикл оценил FF
+ if(!revision)
+ {
+ for(int i = 0; i < popSize; i++)
+ for(int c = 0; c < coords; c++)
+ a [i].c [c] = u.SeInDiSp(a [i].cP [c], rangeMin [c], rangeMax [c], rangeStep [c]);
+ return;
+ }
+
+//--- snapshot текущей популяции
+ for(int i = 0; i < popSize; i++)
+ {
+ for(int c = 0; c < coords; c++)
+ snap_c [i * coords + c] = a [i].c [c];
+ snap_f [i] = a [i].f;
+ }
+
+//--- обмен койотами между стаями (Eq. 4)
+ if(nPacks > 1 && u.RNDprobab() < pLeave)
+ {
+ int p1 = u.RNDminusOne(nPacks);
+ int p2 = p1;
+ while(p2 == p1)
+ p2 = u.RNDminusOne(nPacks);
+
+ int c1 = u.RNDminusOne(nCoy);
+ int c2 = u.RNDminusOne(nCoy);
+
+ int tmp = packs [p1 * nCoy + c1];
+ packs [p1 * nCoy + c1] = packs [p2 * nCoy + c2];
+ packs [p2 * nCoy + c2] = tmp;
+ }
+
+ ArrayInitialize(isPup, false);
+
+//--- операции внутри каждой стаи
+ for(int p = 0; p < nPacks; p++)
+ {
+ int base = p * nCoy;
+
+ //--- альфа стаи (Eq. 5): максимум фитнеса (стенд максимизирует)
+ int aIdx = packs [base];
+ for(int k = 1; k < nCoy; k++)
+ {
+ int idx = packs [base + k];
+ if(snap_f [idx] > snap_f [aIdx])
+ aIdx = idx;
+ }
+
+ //--- социальная тенденция (Eq. 6): покоординатная медиана стаи
+ for(int c = 0; c < coords; c++)
+ {
+ for(int k = 0; k < nCoy; k++)
+ medBuf [k] = snap_c [packs [base + k] * coords + c];
+ ArraySort(medBuf);
+ tend [c] = (nCoy % 2 == 1) ? medBuf [nCoy / 2]
+ : 0.5 * (medBuf [nCoy / 2 - 1] + medBuf [nCoy / 2]);
+ }
+
+ //--- слот щенка: худший фитнес, при равенстве — старший возраст
+ int wK = 0;
+ for(int k = 1; k < nCoy; k++)
+ {
+ int idx = packs [base + k];
+ int wIdx = packs [base + wK];
+ if(snap_f [idx] < snap_f [wIdx] ||
+ (snap_f [idx] == snap_f [wIdx] && ages [idx] > ages [wIdx]))
+ wK = k;
+ }
+ int pupIdx = packs [base + wK];
+ isPup [pupIdx] = true;
+
+ //--- движение койотов стаи
+ for(int k = 0; k < nCoy; k++)
+ {
+ int i = packs [base + k];
+
+ if(i == pupIdx)
+ {
+ //--- РОЖДЕНИЕ ЩЕНКА (Eq. 7, Alg. 1) -------------------------
+ // два случайных различных родителя из стаи
+ int k1 = u.RNDminusOne(nCoy);
+ int k2 = k1;
+ while(k2 == k1)
+ k2 = u.RNDminusOne(nCoy);
+ int par1 = packs [base + k1];
+ int par2 = packs [base + k2];
+
+ //--- перестановка измерений (Fisher–Yates)
+ for(int c = 0; c < coords; c++)
+ pdr [c] = c;
+
+ for(int j = coords - 1; j > 0; j--)
+ {
+ int r = u.RNDminusOne(j + 1);
+ int tmp = pdr [j];
+ pdr [j] = pdr [r];
+ pdr [r] = tmp;
+ }
+
+ //--- маска: гарантированно по одной координате от каждого
+ // родителя, остальные — родитель 1 / родитель 2 / шум
+ ArrayInitialize(mask, 0);
+ mask [pdr [0]] = 1;
+ if(coords > 1)
+ mask [pdr [1]] = 2;
+ for(int j = 2; j < coords; j++)
+ {
+ double r = u.RNDprobab();
+ if(r < probPup)
+ mask [pdr [j]] = 1;
+ else
+ if(r > 1.0 - probPup)
+ mask [pdr [j]] = 2;
+ // иначе 0 — равномерный шум по координате
+ }
+
+ for(int c = 0; c < coords; c++)
+ {
+ double v;
+ if(mask [c] == 1)
+ v = snap_c [par1 * coords + c];
+ else
+ if(mask [c] == 2)
+ v = snap_c [par2 * coords + c];
+ else
+ v = u.RNDfromCI(rangeMin [c], rangeMax [c]);
+
+ a [i].c [c] = u.SeInDiSp(v, rangeMin [c], rangeMax [c], rangeStep [c]);
+ }
+ }
+ else
+ {
+ //--- СОЦИАЛЬНЫЙ ХОД (Eq. 12) --------------------------------
+ // rc1, rc2 — различные, не совпадающие с k
+ int k1 = k;
+ while(k1 == k)
+ k1 = u.RNDminusOne(nCoy);
+ int k2 = k;
+ while(k2 == k || k2 == k1)
+ k2 = u.RNDminusOne(nCoy);
+ int rc1 = packs [base + k1];
+ int rc2 = packs [base + k2];
+
+ //--- r1, r2 — скаляры на агента, как в оригинале
+ double r1 = u.RNDprobab();
+ double r2 = u.RNDprobab();
+
+ for(int c = 0; c < coords; c++)
+ {
+ double v = snap_c [i * coords + c] +
+ r1 * (snap_c [aIdx * coords + c] - snap_c [rc1 * coords + c]) +
+ r2 * (tend [c] - snap_c [rc2 * coords + c]);
+
+ a [i].c [c] = u.SeInDiSp(v, rangeMin [c], rangeMax [c], rangeStep [c]);
+ }
+ }
+ } // k
+ } // p
+ }
+//+------------------------------------------------------------------+
+
+//+------------------------------------------------------------------+
+//| Revision |
+//| |
+//| Стандартное обновление fB/cB + адаптация (Eq. 14): кандидат |
+//| принимается только при СТРОГОМ улучшении, иначе откат к |
+//| снапшоту (касается и социальных ходов, и щенка). Возраст всех |
+//| койотов растёт на 1 за эпоху; прижившийся щенок обнуляет |
+//| возраст слота. |
+//+------------------------------------------------------------------+
+void C_AO_COA_Coyote::Revision()
+ {
+//--- обновление личных и глобального лучших
+ for(int i = 0; i < popSize; i++)
+ {
+ if(a [i].f > a [i].fB)
+ {
+ a [i].fB = a [i].f;
+ ArrayCopy(a [i].cB, a [i].c, 0, 0, coords);
+ }
+ if(a [i].f > fB)
+ {
+ fB = a [i].f;
+ ArrayCopy(cB, a [i].c, 0, 0, coords);
+ }
+ }
+
+ if(!revision)
+ {
+ revision = true;
+ return;
+ }
+
+//--- адаптация (Eq. 14): принятие только при строгом улучшении
+ for(int i = 0; i < popSize; i++)
+ {
+ bool accepted = (a [i].f > snap_f [i]);
+
+ if(!accepted)
+ {
+ for(int c = 0; c < coords; c++)
+ a [i].c [c] = snap_c [i * coords + c];
+ a [i].f = snap_f [i];
+ }
+
+ //--- возраст
+ ages [i]++;
+ if(isPup [i] && accepted)
+ ages [i] = 0;
+ }
+ }
+//+------------------------------------------------------------------+
\ No newline at end of file
diff --git a/MQL5/Include/Math/AOs/PopulationAO/links.html b/MQL5/Include/Math/AOs/PopulationAO/links.html
index bb6fa65..ccf5ed4 100644
--- a/MQL5/Include/Math/AOs/PopulationAO/links.html
+++ b/MQL5/Include/Math/AOs/PopulationAO/links.html
@@ -57,6 +57,7 @@
| CTA | comet tail algorithm (joo) |
| TETA | time evolution travel algorithm (joo) |
| SDSm | stochastic diffusion search M |
+ | COA(Coyote) | coyote optimization algorithm |
| ECBO | enhanced colliding bodies optimization |
| BOAm | billiards optimization algorithm M |
| AAm | archery algorithm M |
diff --git a/README.md b/README.md
index 69b27a3..3ce295f 100644
--- a/README.md
+++ b/README.md
@@ -10,6 +10,7 @@ P_O_ES ((P+O) evolution strategies)
CTA (Comet Tail Algorithm, joo)
TETA (time evolution travel algorithm, joo)
SDSm (stochastic diffusion search M)
+COA(Coyote)(coyote optimization algorithm)
ECBO (enhanced colliding bodies optimization)
BOAm (billiards optimization algorithm M)
AAm (archery algorithm M)