基于豹子捕猎的函数寻优算法

引言

基于生物习性的优化算法成为近年来一种热门，如蚁群算法，蝙蝠算法。但是这些算法很难越出局部寻优（如果要越出局部寻优，就要在每一次迭代中采用聚类），但个体捕猎反而更好实现，因此，参考网上的鲸鱼算法，这种单个体捕猎的算法，参照豹子捕猎行为，设计算法。

算法原理

基本想法

豹子一开始采用缩小包围圈的方式去逼近猎物（此处假设猎物行动缓慢，且猎物有限定的活动范围），当其与猎物距离小于半径R时则直线逼近猎物   

L2为初始位置与猎物距离，L1为与猎物之间可直线逼近的临界距离即R，l为猎豹以猎物为中心所环绕的圈数。

同时，猎物也不蠢，在限定的区域内，为了离开猎豹，猎物必须以垂直于猎豹的瞬时速度方向进行逃跑。

算法思路

初始迭代猎物位置的更新实现，需要以蒙特卡洛模拟周围1000个点，在选出最优点替换。

伴随着捕食者靠近，被狩猎者会有紧张情绪，在这里假定急躁系数，其原理是，猎物与捕食者距离越远，急躁系数越小。这样开始时，猎物移动范围小，让捕食者多遍历，而在捕食者靠近猎物时，猎物移动距离增加，此时若最优点未被检测到，可以越出局部寻优。（这部分代码表示中文乱码了不用管）