一、鲸鱼算法

1、启发

鲸鱼优化算法(whaleoptimizationalgorithm,WOA)是年由澳大利亚格里菲斯大学的Mirjalili等提出的一种新的群体智能优化算法，其优点在于操作简单、参数少以及跳出局部最优的能力强。

2、包围猎物

座头鲸能识别猎物的位置并围着它们转。由于最优位置在搜索空间中的位置是未知的，WOA算法假设当前的最佳候选解是目标猎物或接近最优解。在定义了最佳候选解之后，其他候选位置将尝试向最佳位置移动并更新其位置。此行为由以下等式表示：

3、狩猎行为

根据座头鲸的狩猎行为，它是以螺旋运动游向猎物，故狩猎行为的数学模型如下：

4、搜索猎物

数学模型如下：

二、混合策略改进的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢、易陷入局部最优、发生早熟收敛等问题，引入三种改进策略，提出一种基于混合策略改进的鲸鱼优化算法(MS-WOA)。

（1）非线性收敛因子

受文献[2,3]中改进策略的启发，本文在不改变原始收敛因子变化趋势的情况下，引入非线性调整策略，以便在保证算法的全局探索和局部开发能力的同时，加快算法的收敛速度。具体公式如下：

二、仿真结果

图1F1立体图形

图2F1进化曲线对比

图3F2立体图形

图4F2进化曲线对比

图5F3立体图形

图6F3进化曲线对比

本文首先将非线性调整策略引入传统WOA中对收敛因子进行改进，平衡算法全局探索和局部开发能力并加快算法收敛速度；然后，提出一种自适应权重改进WOA中鲸鱼的位置更新公式，提高算法的寻优精度；最后，结合人工蜂群算法，将limit阈值思想引入WOA中，使得算法能够有效跳出局部最优，增强算法的全局探索能力。通过对14个基准测试函数在不同维度上的仿真实验，验证了本文所提出的MS-WOA相比于其他算法具有较高的寻优精度和较快的收敛速度。

三、参考文献及代码私信博主

[1]何庆,魏康园,徐钦帅.基于混合策略改进的鲸鱼优化算法[J].计算机应用研究,,36(12):-,.[2]魏政磊,赵辉,李牧东,王渊,柯益明.控制参数值非线性调整策略的灰狼优化算法[J].空军工程大学学报:自然科学版,,17(3):68-72.[3]周敏,李太勇.粒子群优化算法中的惯性权值非线性调整策略[J].计算机工程,,37(5):-.

天天Matlab

转载请注明:http://www.aideyishus.com/lktp/134.html