沙猫算法详细原理流程，公式，沙猫算法优化神经网络
沙猫算法定义
沙猫群优化算法（SCSO）是一种2022年提出的元启发式算法，模拟沙猫在沙漠中的生存与狩猎行为，用于解决全局优化问题。其核心机制分为探索（搜寻猎物）和利用（攻击猎物）两个阶段，通过自适应参数平衡两者的比例，改进版本(如ISCSO)进一步提升收敛精度与全局寻优能力。
算法流程
沙猫优化算法(Sand Cat Swarm Optimization, SCSO)受沙猫低频探测与挖掘猎物行为启发，分为搜索猎物（全局探索）和攻击猎物（局部开发）两个阶段，通过自适应参数控制两者切换
a. 种群初始化
原理，采用Logistic混沌映射生成初始种群，增强多样性。
公式：
X_i= lb+(ub−lb)×r
其中，lb/ub 为变量上下界，r为混沌映射随机数。
b. 搜索阶段（探索）,模拟沙猫低频探测猎物，通过灵敏度范围随机搜索。
灵敏度衰减：
r_g = s_m - (2×s_m×inter)/(〖inter〗_max)
r_g代表灵敏度更新公式，s_m代表初始灵敏度，inter代表当前迭代次数，〖inter〗_max代表最大迭代次数，位置更新如下：
x_i^t= r_g×(x_gbest-r_1x_i^(t-1))
在公式中，x_it代表沙猫位置更新后的位置，x_gbest代表最佳位置，x_i(t-1)代表当前位
c. 攻击阶段（开发）
轮盘赌选择随机角度靠近最优解，其位置更新如下：
x_i^t = x_gbest + （x_gbest- x_r×r_2）
x_r = (x_gbest+x_ri )
在公