【论文复现】一种平衡鲸鱼优化算法用于约束工程设计问题

---

1.摘要

本文提出了一种改进的鲸鱼优化算法（BWOA），该算法融合了Lévy飞行（LF）和混沌局部搜索策略（CLS），旨在增强其在优化任务中的搜索能力。通过引入这两种策略，BWOA能够更有效地平衡全局探索能力与局部搜索能力，从而提升了优化性能。

2.鲸鱼优化算法WOA原理

SCI二区|鲸鱼优化算法（WOA）原理及实现

3.改进策略

$L(s,\lambda )$表示Lévy飞行：
$$L(s,\lambda )=\frac{\lambda \Gamma (\lambda )\sin (\pi \lambda /2)}{\pi }\frac{1}{s^{1+\lambda }},(s\gg s_0>0)$$
Lévy 飞行生成随机数应包括两个步骤：随机方向的选择和服从 Lévy 分布的步长的生成。方向服从均匀分布，步长由Mantegna算法给出：
$$s=\frac{U}{|V{|}^{1/\lambda }}$$
其中，$U\sim N(0,{\sigma }^2),V\sim N(0,1)$。方差表述为：
$${\sigma }^2=[\frac{\Gamma (1+\lambda )}{\lambda \Gamma ((1+\lambda )/2)}\cdot \frac{\sin (\pi \lambda /2)}{2^{(\lambda -1)/2}}{]}^{1/\lambda }$$

个体位置更新：
$$X_l(t+1)=\{\begin{array}{llcc}X(t+1)+(X^{\ast }(t)-AD)\cdot levy(\beta )& \mathrm{if}p<0.5& & \\ X(t+1)+\left(D^{\prime }{e}^{bl}\cos \left(2\pi l\right)+X^{\ast }(t)\right)& \mathrm{if}p\ge 0.5& & \end{array}$$

本文通过将混沌局部搜索（CLS）机制引入鲸鱼优化算法（WOA），增强了算法的搜索能力，并有效避免了算法陷入局部最优。采用Logistic混沌函数：
$${\vartheta }_{k+1}=\mu {\vartheta }_k(1-{\vartheta }_k)$$

混沌局部搜索可以表述为：
$$X_{new}(t)=(1-S)X(t)+S{\vartheta }_c$$

其中，$S$是收缩因子：
$$\mathrm{S}=1-{\left|(\mathrm{I}-1)/\mathrm{I}\right|}^m$$
其中，$I$表示迭代次数，$m$控制收缩速度。

流程图

伪代码

4.结果展示

5.参考文献

[1] Chen H, Xu Y, Wang M, et al. A balanced whale optimization algorithm for constrained engineering design problems[J]. Applied Mathematical Modelling, 2019, 71: 45-59.

6.代码获取