【BP数据预测】斑点鬣狗算法优化BP神经网络SHO-BP数据预测【含Matlab 219期】

⛄一、斑点鬣狗算法简介

斑点鬣狗的行为可以简化为搜索、包围、狩猎和攻击猎物。建立粘性集群有助于斑点鬣狗之间的有效合作，也最大限度地提高适应性。本节对斑点鬣狗的狩猎技术和社会关系进行数学建模。这种行为的数学模型可由以下方程式表示：

式中，Dh表示猎物和斑点鬣狗之间的距离，x表示当前迭代，B→和E→表示共效向量，Pp→表示猎物的位置向量，P→表示斑点鬣狗的位置向量；“||”和“·”分别是向量的绝对值和向量乘法运算符。向量B→和E→的计算如下：

当迭代次数逐渐增大至最大迭代次数时，的值从5降到0。此外，随着迭代值的增加，这种机制使得搜索更细致。是介于[0,1]之间的随机向量。如图1所示，在二维环境中，斑点鬣狗可以通过式（17）和式（18）确定猎物的位置。斑点鬣狗（A,B）可以根据猎物（A*,B*）更新自己的位置，通过调整向量的值，可以遍布猎物周围不同的位置。相同的概念可以进一步扩展到N维搜索空间。