完整代码，可直接运行

电力需求总量的科学预测是经济转型阶段电力系统规划与运行的重要依据。引入融合分段二次Lagrange插值函数的新型灰色关联理论，从经济发展、产业结构、用电环境以及居民生活4个方面分析社会经济新常态指标与电力需求总量之间的相关程度，筛选出影响电力需求增长率波动的关键因素；进而以电力需求总量及相关因素为训练数据集，利用融合莱维飞行特征的改进鸽群优化算法对支持向量机的参数进行优化，建立具有最佳参数、强泛化能力的电力需求总量预测模型。基于我国某电网区域电力需求历史实测数据的算例结果表明，所建模型具有更好的优化效率和预测精度。

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.

北航教授——段海滨2014年提出的智能优化算法，代码为其团队撰写的源代码，附带原理讲解https://blog.csdn.net/qq_38643813/article/details/109808813

2014 年 段 海 滨 教 授 通 过 归 纳 总 结 ， 提 出 鸽 群 算 法（Pigeon-inspired Optimization PIO），PIO 是模拟鸽子归巢行为而设计出来的群智能优化算法。PIO 具有原理简明的特点、需要调整参数极少、易于被实现。与其他算法比较有着计算相对简单，鲁棒性相对较强等明显的优点。

2014 年 段 海 滨 教 授 通 过 归 纳 总 结 ， 提 出 鸽 群 算 法（Pigeon-inspired Optimization PIO），PIO 是模拟鸽子归巢行为而设计出来的群智能优化算法。PIO 具有原理简明的特点、需要调整参数极少、易于被实现。与其他算法比较有着计算相对简单，鲁棒性相对较强等明显的优点。

基本鸽群优化算法，由北京航空航天大学段海滨教授等人提出，可用于解决优化问题，收敛速度较快