【论文复现|智能算法改进】一种基于多策略改进的鲸鱼算法

---

1.算法原理

SCI二区|鲸鱼优化算法（WOA）原理及实现【附完整Matlab代码】

2.改进点

混沌反向学习策略

将混沌映射和反向学习策略结合，形成混沌反向学习方法，通过该方
法生成鲸鱼算法的初始种群。混沌序列采用 Tent 混沌映射:
$$x_{i+1}=\{\begin{array}{ll}\delta x_i& 0<x_i<0.5\\ \delta (1-x_i)& 0.5<x_i<1\end{array}\text{\hspace{1em}(1)}$$
反向学习是一种扰动手段，其主要原理是通过对目标空间中已知解的反向学习，得到该解在空间中的反向解:
$$x^{\prime }=r(x_{\max }-x_{\min })-x\text{\hspace{1em}(2)}$$
将混沌生成种群和反向学习种群混合，取适应度前1/2作为新种群。

自适应收敛因子策略

在鲸鱼算法中，收敛因子a从2线性递减到 0，对适应度不同的鲸鱼个体，其包围步长的计算方法是一致的，没有反映出鲸鱼个体间的差异。因此，采用自适应收敛因子：
$$a=2-(2-2\cdot \frac{ran{k}_i}{N})\cdot \sin (\frac{t}{2\cdot T_{\max }}\pi )\text{\hspace{1em}(3)}$$
其中，ranki 为个体的适应度值在种群中的排名。

随机差分策略

为避免鲸鱼算法陷入局部最优，采用随机差分策略进行扰动，采用贪心策略选择解:
$$X(t+1)=r_1(X^{\prime }(t)-X(t))-r_2(X^{\ast }(t)-X(t))\text{\hspace{1em}(4)}$$

3.结果展示

4.参考文献

[1] 吕嘉婧,李磊.一种基于多策略改进的鲸鱼算法[J].信息技术与信息化,2024,(02):39-42.

5.代码获取