自适应鲸鱼算法求解单目标优化问题

自适应鲸鱼算法求解单目标优化问题

近年来，人工智能在各个领域取得了重大的进展，其中优化算法是人工智能的重要组成部分之一。本文介绍一种基于非线性权重的自适应鲸鱼算法（Adaptive Whale Optimization Algorithm Based on Nonlinear Weight, AWOANW）用于求解单目标优化问题。同时，我们提供了 MATLAB 代码实现，以便读者理解和实践。

自适应鲸鱼算法基于仿生学和群体智能理论，模拟了鲸鱼捕食行为中的跳跃和搜寻行为来寻找最优解。与传统鲸鱼算法不同的是，自适应鲸鱼算法引入了非线性权重，通过计算每个个体的适应度值和当前迭代次数，实现了不同个体的权重差异化调整，增强了优化过程的全局搜索能力。算法流程如下:

1. 初始化鲸鱼种群；
2. 根据每只鲸鱼的适应度值和当前迭代次数计算其权重
3. 根据随机游动策略，更新每只鲸鱼的位置
4. 判断当前最优解是否满足停止条件，如果满足，则输出最优解；否则，返回第3步。

下面是 MATLAB 代码实现：

function [best_solution, best_fitness] = AWOANW(fitness_function, dimension, lb, ub, max_iter, population_size)

% 参数设置
w_max = 0.9; % 最大权重
w_