海洋捕食者算法 ( Marine Predators Algorithm，MPA) 是Afshin Faramarzi 等人于 2020 年提出的一种新型元启发式优化算法，其灵感来源于海洋适者生存理论，即海洋捕食者通过在Lévy 游走或布朗游走之间选择最佳觅食策略。具有寻优能力强等特点。 代码里面包含了20几种基准测试函数，用来测试算法的性能。

智能优化算法之海洋捕食者算法

完整代码，可直接运行

海洋捕食者算法 (MPA) matlab代码亲测可用，包含29个测试函数

【优化算法】海洋捕食者算法（MPA）matlab源码.md

分享了海洋捕食者算法及其对应的原文，亲测有效，欲求更多算法可进入空间查看

matlab有些代码不运行海洋捕食者算法 这是用MATLAB编写的Marine Predators Algorithm的源代码。 海洋捕食者算法（MPA）是一种自然启发式的优化算法，它遵循在海洋生态系统中的最佳觅食策略和捕食者与被捕食者之间的比率策略中自然支配的规则。 Lévy策略是在捕食者稀少的环境中寻找食物时在海洋捕食者（例如鲨鱼，金枪鱼，水貂）中广泛使用的一种模式，但是当在猎物丰富的地区觅食时，该模式通常转换为布朗运动[1]。 捕食者与被捕食者之间的生物相互作用中的最佳遭遇率策略还取决于每个捕食者/被捕食者所采取的运动类型以及被捕食者与被捕食者之间的速度比[2]。 以下重点概述了海洋捕食者中最佳觅食，相互作用和记忆的治理策略： 海洋捕食者使用Lévy策略应对猎物集中度低的环境，而布朗捕食者则对猎物丰富的区域采用布朗运动。 他们在穿越不同栖息地的一生中表现出相同比例的列维和布朗运动。 由于自然（涡流形成）或人为（FAD）等环境影响，它们改变了行为方式，希望找到猎物分布不同的区域。 在低速比（v = 0.1）下，捕食者的最佳策略是列维； 猎物正在布朗或勒维移动； 在单位速度比（v\n=