求解高维优化问题的改进鲸鱼优化算法

摘要：

针对鲸鱼优化算法在处理高维优化问题时全局勘探能力不足和易陷入局部极值的问题,提出一种改进的鲸鱼优化算法.首先,在搜索空间中采用Fuch混沌映射和优化的对立学习相结合的初始化策略,利用Fuch映射较高的搜索效率产生多样性良好的优质混沌初始种群,然后结合优化的对立学习策略在保证种群多样性的同时产生优良鲸鱼种群,为算法全局搜索奠定基础;其次,在全局勘探阶段对参数A进行调整,帮助鲸鱼种群更有效地进行全局搜索,在平衡全局勘探和局部开发的同时避免早熟收敛;最后,在局部开发阶段引入拉普拉斯算子对最优个体进行动态交叉操作,迭代前期产生距离父代较远的子代提高全局搜索能力摆脱局部极值束缚,迭代后期产生距离父代较近的子代精细搜索范围提高求解精度.选取10个标准测试函数在100维、500维、1000维下进行仿真实验,结果表明该算法在收敛速度、求解精度和稳定性方面明显优于其他对比算法,能够有效处理高维优化问题.

关键词：鲸鱼优化算法(WOA)、拉普拉斯交叉、混沌对立学习策略

所属期刊栏目：16

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61772249

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2890-2902