通过海洋捕食者算法求解最优目标，这是一个非常有趣的问题。在本文中，我们将介绍如何使用 MATLAB 实现这一算法，并且提供相应的源代码。

通过海洋捕食者算法求解最优目标，这是一个非常有趣的问题。在本文中，我们将介绍如何使用 MATLAB 实现这一算法，并且提供相应的源代码。

首先，我们需要了解什么是海洋捕食者算法（Marine Predators Algorithm，MPA）。它是一种基于自然界的捕食者-猎物模型的优化算法。该算法模拟自然界中的海洋捕食者搜索和捕食猎物的过程，以实现优化的目标。

下面是 MPA 的具体步骤：

1.初始化种群：根据问题需要，定义初始种群中的个体数量和维度。
2.计算适应度：将每个个体代入优化函数中，得出其适应度值。
3.选择猎物：根据个体适应度值选取最佳个体作为当前猎物。
4.更新种群：根据当前最佳个体位置信息，更新整个种群中的所有个体位置信息。
5.增加多样性：引入随机扰动，增加种群多样性。
6.终止条件：达到指定的迭代次数或优化精度则停止计算。

下面是具体的 MATLAB 代码实现：

% 定义问题：求解 rosenbrock 函数的最小值
fun = @(x) 100*(x(2)-x(1)^2)^2 + (1-x(1))^2;
% 初始化种群参数
pop_size = 50; % 种群个体数量
max_iter = 500; % 最大迭代次数
dim = 2; % 问题维度
% 定义种群初始位置和随机扰动范围
pop = rand(pop_size, dim).*10-5;
delta = 0.2;
% 初始化最佳适应度值和位置信息
best_fitness = Inf;
best_position = zeros(1, dim);
% 循环迭代
for i = 1:max_i