鲸鱼优化算法（WOA）

鲸鱼优化算法（WOA）

1.前言：

一种元启发式优化算法，模拟座头鲸狩猎行为的元启发式优化算法。该算法具有机制简单、参数少、寻优能力强等优点，在众多领域得到广泛的应用。

2.算法基本原理：

标准 WOA 模拟了座头鲸特有的搜索方法和围捕机制，主要包括：围捕猎物、气泡网捕食、搜索猎物三个重要阶段。WOA 中每个座头鲸的位置代表一个潜在解，通过在解空间中不断更新鲸鱼的位置，最终获得全局最优解。
(1)围捕猎物（Encircling prey）
鲸鱼的搜索范围是全局解空间，需要先确定猎物的位置以便包围。在定义了最佳搜索代理之后，其他搜索代理将尝试向最佳搜索代理更新它们的位置。这一行为由以下方程
$$D=\left|C\times X\ast (t)-X\ast (t)\right|$$$$X(t+1)=X\ast (t)-A\ast D$$
其中：t表示当前迭代次数，A和C是系数向量，X*(t)是目前得到的最佳解的位置向量，X(t)向量是位置向量，其中向量A和C的计算方式如下
$$A=2a\times r_1-a$$$$C=2\times r_2$$
在整个迭代过程中 a 由2线性降到0； r1 和 r2 是0-1中的随机向量。
(2)气泡网捕食：
座头鲸捕食主要有两个机制:包围捕食和气泡网捕食。采用气泡网捕食时，座头鲸与猎物间的位置更新用对数螺旋方程表达。
$$X(t+1)=D^{\prime }\times e^{bl}\times \cos (2\pi l)+X\ast (t)$$$$D^{\prime }=\left|X\ast (t)-X(t)\right|$$
D’ ——当前搜索个体与当前最优解的距离；
b——螺旋形状参数；
l ——值域为[-1,1]均匀分布的随机数。
由于靠近猎物过程中有两种捕食行为，因此 WOA 根据概率 p 来选择气泡网捕食或者收缩包围，位置更新公式如下。
p 为[0,1]的随机数。随着迭代次数 t 的增加，参数 A 和收敛因子 a 逐渐减小，若|A| < 1，则各鲸鱼逐渐包围当前最优解，在 WOA 中属于局部寻优阶段。
(3)搜索猎物：
为保证所有鲸鱼在解空间中充分搜索，WOA 根据鲸鱼彼此之间的距离来更新位置，达到随机搜索的目的。因此，当|A| ≥ 1|时，搜索个体会游向随机鲸。
$$D^{\prime \prime }=\left|C\times X_{rand}(t)-X(t)\right|$$$$X(t+1)=X_{rand}(t)-A\ast D$$式中：
D’'——当前搜索个体与随机个体的距离。
$X_{rand}(t)$——当前随机个体的位置

3仿真图片：