目录
一、程序及算法内容介绍：
基本内容：
-
本代码基于Matlab 平台编译，将DA (蜻蜓优化算法 )与CNN- LSTM （卷积-长短期记忆神经网络 ）结合，进行多输入数据回归预测
-
输入训练的数据包含7 个特征 ，1 个响应值 ，即通过7个输入值预测1个输出值**（多变量回归预测，个数可自行指定）**
-
通过DA算法优化CNN-LSTM网络的学习率、卷积核个数、神经元个数
-
自动归一化处理，训练CNN-LSTM网络，实现更加精准的预测
-
迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况
-
自动输出多种多样的的误差评价指标，自动输出大量实验效果图片
亮点与优势：
-
注释详细，几乎每一关键行都有注释说明，适合小白起步学习
-
直接运行Main函数即可看到所有结果，使用便捷
-
编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码
-
所有数据均采用Excel格式输入，替换数据方便，适合懒人选手
-
出图详细、丰富、美观，可直观查看运行效果
二、实际运行效果：
三、算法介绍：
蜻蜓寻优算法(Dragonfly Algorithm)是一种基于仿生学原理的启发式优化算法，其灵感来自蜻蜓在寻找食物时的行为。该算法最初由Xin-She Yang在2010年提出。
蜻蜓寻优算法的基本思想是通过模拟蜻蜓的觅食行为+来搜索最优解。算法通过维护三个种群：主种群(leader),次种群(follower),和随机种群(random)。主种群负责在搜索空间中寻找全局最优解，次种群负责在局部空间中进行搜索，而随机种群则用于增加搜索的多样性。算法的执行过程如下：
1.初始化种群：根据问题的搜索空间，初始化主种群、次种群和随机种群的个体位置。
2.更新位置：根据一定的规则，更新主+种群和次种群的个体位置，使其向更优的解靠近。
3.交互和迁移：根据预定义的规则，主种群和次种群之间进行交互和迁移，以促进信息的共享和全局搜索。
4.随机搜索：随机种群中的个体以随机方式在搜索空间中移动，增加搜索的随机性和多样性。
5.重复执行：重复执行步骤2至步聚4，直到达到预定的停止条件（如达到最大迭代次数或找到满意的解)。
蜻蜓寻优算法的优点包括较好的全局搜索能力和快速的收敛速度+。它适用于解决各种优化问题，尤其在连续优化问题和大规模优化问题上表现出色。使用时，需要根据具体问题的需求进行参数调优和适当的问题建模，以获得最佳的优化结果。
四、完整程序下载：
