一種改進(jìn)的混合鯨魚優(yōu)化算法研究

倪亞萍，張業(yè)榮

（南京郵電大學(xué)，江蘇 南京 210046）

0 引言

優(yōu)化問題在計(jì)算機(jī)科學(xué)、人工智能、數(shù)字交通以及工業(yè)實(shí)踐等領(lǐng)域，一直以來都是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。受自然界動(dòng)物群體的社會(huì)行為啟發(fā)，研究學(xué)者提出的許多群體智能優(yōu)化算法，因其具有更高效的搜索能力、求解處理能力以及更強(qiáng)的魯棒性，而被廣泛用來解決目前復(fù)雜函數(shù)優(yōu)化的相關(guān)問題。鯨魚優(yōu)化算法（Whale Optimization Algorithm,WOA）作為一種受鯨魚捕食行為啟發(fā)的新興群體智能優(yōu)化算法，在收斂速度與收斂精度方面有更好的表現(xiàn)，已被成功用來解決水資源優(yōu)化配置問題以及特征選擇等問題。鯨魚優(yōu)化算法結(jié)構(gòu)簡(jiǎn)單且需要調(diào)節(jié)的參數(shù)較少，每一只鯨魚的位置則代表算法的其中一個(gè)可行解，通過模擬鯨魚捕食行為對(duì)優(yōu)化問題不斷尋優(yōu)，最后獲得的最優(yōu)個(gè)體便可以作為優(yōu)化問題的最優(yōu)解。然而傳統(tǒng)的鯨魚優(yōu)化算法仍然存在一些不足之處，對(duì)一些實(shí)際問題的解決還存在一定局限性，因此學(xué)者們對(duì)其進(jìn)行了多方面的改進(jìn)。郭振洲等人提出了一種WOAWC 算法，通過采用柯西逆累積分布函數(shù)來改變鯨魚的位置，實(shí)驗(yàn)表明，該算法不僅提高了全局搜索能力，還能進(jìn)一步避免陷入局部極值。鐘明輝等人參考粒子群優(yōu)化算法中的慣性權(quán)重策略，提出一種EWOA 算法，該算法可用來隨機(jī)調(diào)整算法控制參數(shù)，測(cè)試仿真結(jié)果顯示，改進(jìn)后有效提升了算法的尋優(yōu)能力以及收斂速度。然而，WOA 算法仍然沒能根本上解決其易陷入局部最優(yōu)、初始種群的隨機(jī)性以及全局與局部搜索性能不平衡的一些問題，為此，本文分析并結(jié)合不同改進(jìn)策略的優(yōu)勢(shì)，提出了一種改進(jìn)的混合鯨魚優(yōu)化算法?！?br>