改进的鲸鱼算法（EWOA）优化支持向量机原理及matlab代码

目录

0 引言

1 数学模型

2 模型对比

3 matlab代码

3.1 伪代码

3.2 EWOA-SVM

4 视频讲解

0 引言

WOA被广泛应用于解决NPhard问题。然而，WOA种群多样性低和搜索策略差。因此，Mohammad H等人在2022年提出了一种增强的鲸鱼优化算法EWOA，利用池化机制和三种有效的搜索策略优化WOA。

1 数学模型

EWOA是在WOA基础上引入池化机制、迁移、优先选择和丰富的包围猎物等搜索策略，以提高WOA的多样性和全局性

（1）池化机制：该机制是一种交叉策略，利用最好座头鲸和最差鲸鱼进行二进制随机向量和反向向量修正组合形成新的种群，提高模型多样性，其数学模型见下式：

式中B、B（-）为二进制随机向量和反向量，Xbmd最好座头鲸，Xworst为最差的鲸鱼。

（2）迁移搜索策略：使用等式随机分离出座头鲸的一部分覆盖无人区域，改善勘探。增加整个种群的多样性，从而减少局部最佳诱捕。其数学模型见下式：

式（12）为座头鲸迁移策略的位置；式（13）为使用等式计算的搜索空间范围内的一个随机位置，δmin/max为问题上下界；式（14）为最佳座头鲸附近的一个随机位置，δbest-min/max分为该问题对应上下界限。

（3）优先选择搜索策略：取代WOA算法的搜索狩猎行为

式中Prnd1/rnd2是在迭代过程矩阵池中随机选择种群，Ai是经过柯西分布取样系数向量。

（4）丰富的包围猎物搜索策略：取代WOA中搜索猎物阶段

2 模型对比

对比WOA和EWOA优化支持向量机的模型性能，由于支持向量机训练组数随机性，故对WOA和EWOA采用相同随机组数：

%% WOA训练随机性
temp = randperm(length(Data))
 
%%IWOA训练随机性
temp1 = temp

模型数据来源UCI二分类数据集，误差分别如下：

EWOA-SVM：

WOA-SVM：

3 matlab代码

3.1 伪代码

3.2 EWOA-SVM

1）回归模型EWOA-SVR：回归模型：改进的鲸鱼算法(EWOA)优化支持向量机（EWOA-SVR）

2）分类模型EWOA-SVM：分类模型：改进的鲸鱼算法(EWOA)优化支持向量机（EWOA-SVM）

4 视频讲解

B站搜索：‘ 不想学习的陈成 ’