基于自适应策略的混合鲸鱼算法在单目标优化问题中的应用

基于自适应策略的混合鲸鱼算法在单目标优化问题中的应用

随着计算机科学技术的不断发展，优化算法在实际问题中得到了广泛的应用。混合鲸鱼算法是一种基于海洋生物特征的新型优化算法，其受到了生物进化学、行为生态学等多个领域的启示。

为了提高混合鲸鱼算法的求解效率，本文提出了一种自适应策略。该策略根据优化问题的难易程度，自动选择合适的变异策略。通过实验结果表明，该自适应混合鲸鱼算法在多个标准测试函数中具有较好的性能。

以下是matlab实现的代码：

% 预设参数
popSize = 30;           % 种群规模
maxIter = 5000;         % 最大迭代次数
lb = -100;              % 下界
ub = 100;               % 上界
dim = 30;               % 变量维度
maxFEs = popSize * maxIter;  % 最大评价次数
F_min = 0;              % 最小权重因子
F_max = 2;              % 最大权重因子
CR = 0.5;               % 交叉概率

% 初始化
pop = rand(popSize, dim) .* (ub - lb) + lb; % 随机初始化种群
fitness = zeros(1, popSize);                % 记录每个个体的适应度值
FEs = 0;