ARTICLE DETAIL

资讯详情

深耕编程入门与网站建设的一线实战洞察。

【LSSVM回归预测】基于matlab飞蛾扑火算法优化最小二乘支持向量机MFO-LSSVM回归预测【含Matlab源码 110期】

【LSSVM回归预测】基于matlab飞蛾扑火算法优化最小二乘支持向量机MFO-LSSVM回归预测【含Matlab源码 110期】 ⛄一、运行结果⛄二、飞蛾扑火算法及LSSVM简介1 飞蛾扑火算法简介1.1 飞蛾扑火算法定义飞蛾扑火优化(Moth-flame optimization,MFO),由Seyedali Mirjalili在2015年提出,为优化领域提供了一种新的启发式搜索范式:螺旋搜索。飞蛾在夜间有一种特殊的导航方式:横向定向。即它会与月亮(光源)保持一定的角度飞行,从而能够保持直线的飞行路径,但是,这种方式只在光源离飞蛾较远的情况下才有效。当有人造光源存在时,飞蛾会被人工灯光所欺骗,一直保持与人造灯光相同的角度飞行,由于它与光源的距离过近,它飞行的路径已经不是直线,而是一种螺旋的路径。受这种自然现象的启发,Seyedali Mirjalili将飞蛾绕着光源螺旋飞行的过程抽象成为一个寻优的过程,飞蛾飞行的整个空间即是问题的解空
返回列表