【算法】鲸鱼优化算法（matlab实现）

原创已于 2024-03-20 17:57:30 修改 · 807 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#算法

于 2024-03-20 17:47:24 首次发布

本文介绍了鲸鱼优化算法的原理，包括其模拟的座头鲸捕食行为的三个步骤，并展示了如何在Matlab中使用该算法求解优化问题，通过实例展示了搜索过程、围捕过程和泡网觅食过程对优化结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

💥1 概述

鲸鱼优化算法（Whale Optimization Algorithm， WOA）是一种新的优化技术，用于求解各种优化问题。该算法模拟了座头鲸的猎食行为，包括搜索猎物、围捕猎物和泡网觅食三个关键过程。这些过程被抽象为三个算子，用于操作优化问题的搜索空间。首先，搜索过程模拟了座头鲸的搜索猎物行为。通过随机移动和调整位置，算法尝试在搜索空间中寻找最优解。其次，围捕过程模拟了座头鲸将猎物围困起来的行为。算法通过调整位置和速度，逐渐朝着最优解靠近，以实现更好的优化效果。最后，泡网觅食过程模拟了座头鲸在一定区域内寻找猎物的行为。算法通过在局部搜索空间中调整位置和速度，并运用适应度函数进行评估，更有针对性地寻找最优解。

📚2 运行结果

主函数部分代码：

clear all 
clc

SearchAgents_no=30; % Number of search agents

Function_name='F1'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper)

Max_iteration=500; % Maximum numbef of iterations

% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

[Best_score,Best_pos,WOA_cg_curve]=WOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);

figure('Position',[269   240   660   290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])

%Draw objective space
subplot(1,2,2);
semilogy(WOA_cg_curve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');