基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度;设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.

一种改进的混合鲸鱼优化算法研究

在对鲸鱼优化算法(WOA)的数学模型深入研究时,发现传统的WOA算法在处理一些较为复杂的问题,或者对高维度空间进行搜索时还存在一些不足之处,如收敛速度慢、易陷入局部最优等缺点。针对这些问题,文章提出一种改进的混合鲸鱼优化算法,通过引入精英反向学习、非线性收敛因子和自适应调整搜索组合策略来提高算法收敛速度,弥补传统WOA算法的不足。实验结果表明,改进后的算法(IWOA)性能更优,有着广泛的应用前景。