海洋捕食者算法 (MPA)

海洋捕食者算法（Marine Predators Algorithm, MPA）是一种受海洋生态系统捕食 - 被捕食关系启发的元启发式优化算法。该算法将优化问题中的解空间映射为海洋环境，候选解视为海洋中的生物个体，通过模拟不同生物（如鲨鱼、金枪鱼等）的捕食策略与猎物（最优解）的逃逸行为，实现种群在解空间中的全局搜索与局部开发。其核心在于动态调整个体间的交互强度与运动模式，以平衡探索与开发能力，广泛应用于工程设计与机器学习等领域。

在现代计算架构与算法生态中，海洋捕食者算法作为一类新型群体智能优化方法，填补了传统遗传算法与粒子群算法在动态适应性与收敛速度之间的空白。它特别适用于高维、多模态及非凸优化场景，凭借其对复杂地形解空间的敏锐感知能力，成为解决工程设计与机器学习超参数调优的关键工具。尽管其生态模拟机制增加了实现复杂度，但在处理动态变化问题与多目标优化时展现出显著优势，是构建自适应智能系统的重要算法基石。