混合鲸鱼算法及其在组合优化中的应用

为了提高鲸鱼算法的优化能力,提出了一种混合的鲸鱼优化算法(DWOA-SA)。该算法首先通过拉丁超立方体抽样(LHS)初始化种群和逆不完全伽玛函数控制参数→a,采用差异化权重因子调整搜索个体的位置,有利于算法跳出局部最优,平衡了算法的全局和局部搜索能力;然后在气泡网攻击阶段,引入了基于微分演化和修正螺旋位置更新的新算子,提升了搜索个体的位置更新能力;最后改进算法执行后期引入模拟退火策略,以一定概率接受劣质个体,增强了种群多样性,提升了算法的全局探索能力。将该方法在多个测试函数和桁架结构优化问题中进行了验证,并与其他启发式算法进行了比较,数值结果证明了DWOA-SA算法具有更快的收敛速度和更好的收敛精度及稳定性,是一种有效的优化设计方法。