基于矮猫鼬优化算法求解单目标优化问题附MATLAB代码

矮猫鼬优化算法（Short-tailed Mongoose Optimization Algorithm）是一种基于自然界动物矮猫鼬行为的启发式优化算法。它模拟了矮猫鼬在觅食过程中的行为，通过合理的搜索策略来解决单目标优化问题。本文将介绍矮猫鼬优化算法的原理，并提供MATLAB代码实现。

原理介绍：
矮猫鼬生活在非洲和亚洲等地区，它们以捕食昆虫和小型脊椎动物为主。矮猫鼬的觅食行为具有一定的规律性，可以用于优化算法的设计。矮猫鼬在寻找食物时，会根据食物的丰富程度和周围环境的信息来调整自身的搜索策略。

矮猫鼬优化算法的主要步骤如下：

1. 初始化种群：随机生成一定数量的矮猫鼬个体，并初始化它们的位置和速度。
2. 评估适应度：根据问题的优化目标，计算每个个体的适应度值。
3. 更新速度和位置：根据当前个体的位置和速度，以及全局最优位置的信息，更新个体的速度和位置。
4. 评估适应度：根据新的位置，重新计算每个个体的适应度值。
5. 更新全局最优位置：根据个体的适应度值，更新全局最优位置。
6. 终止条件判断：判断是否满足终止条件，如果满足则输出结果；否则返回步骤3。

MATLAB代码实现：
下面是用MATLAB实现矮猫鼬优化算法的示例代码，用于求解单目标优化问题。为了简化示例，我们以求解一个简单的单目标函数为例，即f(x) = x^2，其中x为变量。

% 参数设置
max_iter =