月径流预测基于matlab人工生态系统算法优化BP神经网络月径流预测含Matlab源码 2000期

Posted 2021-09-13 紫极神光

一、人工生态系统算法简介

基于人工生态系统的优化（AEO）是一种解决优化问题的新型优化方法。 SDO受地球生态系统中能量流的驱动，该算法模仿了生物的三种独特行为，包括生产，消耗和分解。
AEO算法是Zhao等[27]于2019年通过模拟地球生态系统中能量流动而提出一种新型元启发式优化算法,该算法通过生产算子、消费算子和分解算子对生态系统中的生产、消费和分解行为进行模拟来达到求解优化问题的目的。生产算子旨在加强AEO算法勘探和开发之间的平衡能力;消费算子用于改进AEO算法的探索能力;分解算子旨在提升AEO算法的开发性能。与传统群智能算法相比,AEO算法不但实现简单,除群体规模和最大迭代次数外,无需调整其他任何参数,且具有较好的寻优精度和全局搜索能力。

1 AEO算法遵行以下3个准则
①生态系统作为种群包括3种生物:生产者、消费者和分解者,且种群中分别只有一个个体作为生产者和分解者,其他个体作为消费者;
②每个个体都具有相同的概率被选择为食肉动物、食草动物或杂食动物;
③群体中每个个体的能量水平通过适应度值进行评价,适应度值按降序排序,适应度值越大表示最小化问题的能量水平越高。

2 AEO算法数学描述
**a. 生产者。**生态系统中,生产者可以利用CO2、水和阳光以及分解者提供的营养来产生食物能量。在AEO算法中,种群中的生产者(最差个体)通过搜索空间上下限和分解者(最优个体)进行更新,更新后的个体将引导种群中的其他个体搜索不同的区域。
模拟生产者行为的数学模型如下:

式中:x1为生产者个体空间位置;xn为当前群体中最佳个体空间位置;n为种群规模;T为最大迭代次数;t为当前迭代次数;xrand为搜索空间中随机生成的个体空间位置;U、L分别为空间上、下限;r、r1为[