本文介绍了超启发式鲸鱼优化算法(HHWOA)，它结合了对立学习、差分进化、混沌映射和平滑技术，用于改进传统算法。文章详细展示了HHWOA在机器人路径规划中的性能，包括收敛曲线和CEC2005测试集的结果，以及提供可二次开发的.m文件资源。
超启发式鲸鱼优化算法(hyper-heuristic whale optimization algorithm, HHWOA)及其(Whale optimization algorithm, WOA)机器人路径规划；这两篇论文都是中科院一区TOP，具有很大的参考价值。
参考文献1：A hybrid hyper-heuristic whale optimization algorithm for reusable launch vehicle reentry trajectory optimization。
参考文献2：The Whale Optimization Algorithm。
超启发式鲸鱼优化算法(HHWOA)创新点如下，这些有效的和新的策略可以用来改进其它算法：
1、采用了基于对立的学习；
2、差分进化算子；
3、混沌映射序列；
4、平滑技术策略。
机器人路径规划对比和实验结果如下：
机器人路径规划收敛曲线结果如下：
附赠的CEC2005测试集运行结果如下：
一共包括以下文件，算法是独立的.m文件，主函数加上了中文注释，便于管理和二次开发：
494
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
