鲸鱼优化算法_鲸鱼优化算法：一种群体智能最优化方法

摘要： 群体智能优化算法由于其易实现性及其高效性，已成为最优化方法的研究热点。 本文介绍该领域一种近年来的新兴起的优化算法鲸鱼优化算法。 在介绍其生物机制的基础上，论述了其捕食、攻击过程的数学模型。 最后给出了其与其它优化算法的仿真结果比较。

1. 背景介绍

在流程工业自动化与信息化中，无论操作优化、最优控制，还是生产调度、供应链优化及资源规划等，其实现的理论依据都是最优化方法，因此最优化方法在工业生产起着非常重要的理论基石作用。最优化方法中的启发式优化算法因为它们依赖于相当简单的概念，易于实现，且不需要梯度资料，可以绕过局部最优，可用于涉及不同学科的广泛问题，因此在工程应用中越来越受欢迎。自然启发式优化算法通过模仿生物或物理现象来解决优化问题，又可以分为三大类：基于进化的方法、基于物理的方法和基于群体的方法，本文重点介绍的基于群体智能的优化方法是模仿动物群体社会行为的一种理论。目前该类优化方法包括粒子群算法(PSO)、人工蜂群算法(ABC)、蚁群算法(ACO)、布谷鸟算法(CS)、萤火虫算法等。这类优化算法无论其性质如何，都具有一个共同的特征，即搜索过程分为探索和开发两个阶段。在探索阶段，优化器必须包含操作符来全局探索可搜索空间，移动(即设计变量的扰动)应该尽可能随机化。后续展开的开发阶段，可以定义为对搜索空间中有希望的区域进行详细调查的过程。因此，开发是对在探索阶段发现的设计空间的有希望区域的局部搜索能力。由于优化过程的随机性，如何在探索和开发之间找到合适的平衡点是任何一种启发式算法开发中最具挑战性的任务。本文介绍一种新的模拟座头鲸狩猎行为的群体智能优化算法(鲸鱼优化算法，WOA)，采用随机或最佳搜索代理来模拟捕猎行为，并使用螺旋来模拟座头鲸的泡泡网攻击机制。 2.  鲸鱼优化算法 2.1. 鲸鱼优化算法的生物机制

图1 座头鲸的泡泡捕食示意图

据研究，鲸鱼大脑的某些区域有与人类相似的梭形细胞，而这些细胞负责人类的判断、情感和社会行为。鲸鱼的这种细胞数量是成年人类的两倍，这是它们聪明的主要原因。事实证明，鲸能像人类一样思考、学习、判断、交流，甚至变得情绪化，但显然它的智能水平要低得多。

据观察，鲸鱼(主要是虎鲸)也能发展自己的方言。而座头鲸最有趣的地方是它们特殊的捕猎方法。这种觅食行为被称为泡泡网觅食法。座头鲸喜欢在接近海面的地方捕食磷虾或小鱼。据观察，这种觅食是通过沿着一个圆圈或“9”形路径创造独特的气泡来完成的，如图1所示。在2011年之前，这一行为仅仅是基于在地表的观察进行研究。后来利用传感器展开了更深入的研究，他们捕获了9头座头鲸的300个标签衍生的泡泡网进食事件。他们发现了两个与气泡有关的动作，并将它们命名为“向上螺