本文主要是介绍【LSSVM回归预测】狮群算法优化最小二乘支持向量机LSO-LSSVM数据回归预测【含Matlab源码 2261期】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
⛄一、狮群算法简介
狮群优化算法(lion swarm optimization algorithm, LSO)是在狮群协作捕猎的基础上提出的一种群智能优化算法。狮群算法将狮群分成3个部分：狮王、母狮、幼狮。狮王是具有最佳适应度值的个体。一定数量的个体分配为母狮，一只母狮和另一只母狮合作进行捕猎，在捕食猎物时，先大范围地进行勘探，靠近猎物时，逐步缩小包围圈，猎杀食物。幼狮也称为跟随狮，主要跟随狮王和母狮进行活动。
狮王的更新公式如下：
xk+1i=gk(1+γ‖pki-gk‖), (1)
式中：pki为第i个狮子第k代的历史最优位置，gk为第k代群体最优位置，γ为依照正态分布N(0,1)产生的随机数。
母狮的更新公式如下：
式中：pki为第i个狮子第k代的历史最优位置，pkc为从第k代母狮中随机挑选的一个协作伙伴的历史最优位置，αf为扰动因子，l¯和h¯分别为各个维度取值范围的上限均值和下限均值，T为最大迭代次数。
幼狮的活动分为3种：在饥饿时靠近狮王进行捕食；吃饱后跟随母狮学习捕猎；成年后被狮王赶出领地成为流浪狮，历经锻炼后重新向狮王的地位发起挑战。幼狮的位置更新公式如下：
式中：αc为扰动因子；γ为依照正态分布N(0,1)产生的随机数
这篇关于【LSSVM回归预测】狮群算法优化最小二乘支持向量机LSO-LSSVM数据回归预测【含Matlab源码 2261期】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
