基于慣性混沌的改進鯨魚優化算法及網絡安全預測

丁 智，肖 宇

（蚌埠學院 計算機與信息工程學院，安徽 蚌埠 233030）

鯨魚優化算法（WOA）是人們根據座頭鯨的捕食行為提出的一種新型的群體智能算法［1］。人們利用WOA通過模擬鯨魚對獵物的包圍、搜尋和攻擊搜索全局最優解。該算法原理簡單、參數設置少，具有較強的尋優能力，已成功應用于圖像分割［2］、神經網絡訓練［3］、特征選擇［4］、路徑優化［5］和作業調度［6］等領域。與其他群體智能算法一樣，WOA容易陷入局部最優，這將導致收斂速率和收斂精度降低，尤其是在求解多峰值函數的優化問題時，無法得到理想的全局最優解。

針對WOA存在的不足，ZHOU Y.Q.等［7］提出了基于Lévy飛行軌跡的鯨魚優化算法（LWOA），通過基于Lévy飛行的高頻短距離和低頻長距離搜索機制提高了算法的全局搜索能力。G.KAUR等［8］將混沌理論引入WOA，提出了混沌鯨魚優化算法（CWOA），通過改進初始種群提高了算法的收斂速度。于俊洋等［9］提出一種基于非線性收斂因子和局部擾動的鯨魚優化算法（NPWOA），該算法能有效跳離局部最優，提高了搜索精度。龍文等［10］提出基于非線性收斂因子的改進鯨魚優化算法（IWOA），設計了一種隨迭代次數呈非線性變化的收斂因子更新公式，以此均衡WOA算法的全局探索和局部開發能力。

經過改進以后，盡管WOA的性能有所提高，但在處理大規模復雜函數的優化問題時，求解精度和收斂速度都會下降。為了解決這些問題，我們提出了基于慣性混沌的改進鯨魚優化算法（ICIWOA），并進行了以下方面的工作：通過混沌Tent映射機制初始化種群改善了種群的多樣性和初始解質量；……