2024年最新优化算法｜鹦鹉优化器PO 本文利用鹦鹉PO优化BP神经网络权重参数进行回归预测Matlab程序【附PO源码和原论文】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

基于训练后鹦鹉关键行为的高效优化方法——鹦鹉优化器(Parrot Optimizer, PO)。该成果于2024年2月发表在SCI期刊Computers in Biology and Medicine。
目前还未有引用！

莫林鹦鹉（Pyrrhura Molinae）是一种广受欢迎的鹦鹉品种，因其极具吸引力的特征、与主人的亲密关系和易于训练而深受宠物主人的喜爱。以往的研究和繁殖工作表明，莫林鹦鹉有四种不同的行为特征：觅食、停留、交流和害怕陌生人。图 1 展示了这些行为在现实世界中的表现，这也是我们设计 PO 的动机所在。后续都成为鹦鹉。

• 驯化的鹦鹉觅食行为非常有趣，因为个体会选择在食物丰富的地方小群觅食 。它们可以利用主人的位置和群体的存在找到食物。它们会利用气味和视觉提示加强搜索。
• 鹦鹉的逗留行为包括随意栖息在主人身体的各个部位。
• 这些善于交际的鸟类会发出独特的叫声在群体内交流，既能进行社交互动，又能传播信息。
• 惧怕陌生人是鸟类的共同特征，这促使鹦鹉远离不熟悉的个体，并在主人身边寻求安全保护 。
• 重要的是，鹦鹉行为的不可预测性强调了我们的设计动机，因为这四种行为在驯化鸟群中的每次迭代中都会随机出现在每个个体身上。

加粗样式

初始化公式：

在PO的觅食行为中，它们主要通过观察食物的位置或考虑主人的位置来估计食物的大致位置，然后飞向相应的位置。因此，位置移动遵循以下公式：

其中X_mean的计算公式：

对应Matlab程序

鹦鹉是一种善于交际的动物，其逗留行为主要是突然飞到主人身体的任何部位，并在那里静止一段时间。计算公式如下：

对应Matlab程序

这一过程如图所示。

鹦鹉是一种天生的社会性动物，其特点是在群体中密切交流。这种交流行为包括飞向鸟群和不飞向鸟群的交流。在 PO 中，假定这两种行为发生的概率相同，并采用当前种群的平均位置来象征鸟群的中心。更新公式：

对应Matlab程序

一般来说，鸟类对陌生人会表现出天生的恐惧，莫林鹦鹉也不例外。如下图 所示，它们会远离陌生个体，并与主人一起寻找安全的环境。更新公式如下：

过程图

对应Matlab程序

PO 优化程序首先随机生成一组预定义的候选解决方案，称为群体。利用一系列行为，PO 的搜索策略会导航到最佳解决方案附近或已发现最佳解决方案的位置。在优化过程中，每个解决方案都会受 PO 算法迄今为止确定的最佳解决方案的影响，动态调整其位置。PO 算法的搜索过程一直持续到满足预定的终止标准为止。该算法的完整结构在算法 1 中通过伪代码进行了说明，在图 6 中进行了直观展示，为整个优化过程（包括迭代步骤和搜索策略）提供了全面的路线图。PO 充分利用了探索和利用的优势，使其能够有效地浏览搜索空间，同时向最优解靠拢

以上是四种行为设置的比例是1：1：1：1的结果

名称	比例
PO-F	2:1:1:1
PO-S	1:2:1:1
PO-C	1:1:2:1
PO-O	1:1:1:2

实验结果：

本文针对鹦鹉优化器对BP神经网络参数进行优化，实验结果如下：

PO源码和原论文点击以下链接跳转到官网

PO源码和原论文
PO源码和原论文github

PO-BP神经网络源码获取方式

名称	链接
2024年最新优化算法鹦鹉优化器PO基于鹦鹉优化BP神经网络数据回归预测matlab程序	https://mbd.pub/o/bread/mbd-ZZuZlptw
混沌博弈优化极限学习机数据回归预测完整Matlab程序	https://mbd.pub/o/bread/mbd-ZZuYmp9q
基于正余弦SCA优化BP神经网络的数据回归预测完整Matlab程序	https://mbd.pub/o/bread/mbd-ZZuZk59x
基于正余弦优化-卷积-双向长短期记忆网络-注意力机制数据回归matlab程序	https://mbd.pub/o/bread/ZZuZlJ5r
基于足球队训练FTTA优化长短期记忆网络时间序列数据预测	https://mbd.pub/o/bread/mbd-ZZuZlptp
基于Cat混沌与高斯变异的改进灰狼优化支持向量机数据回归预测	https://mbd.pub/o/bread/mbd-ZZuZlZZw

各种智能优化机器学习组合模型都可以实现，可私信定制哦！！

不定期更新！！！！

更多内容可以在我主页搜索：

机器不会学习主页

点个关注不迷路！！！！！！！！！！！