【论文复现|智能算法改进】一种基于多策略改进的鲸鱼算法

本文主要是介绍【论文复现|智能算法改进】一种基于多策略改进的鲸鱼算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.算法原理

SCI二区|鲸鱼优化算法（WOA）原理及实现【附完整Matlab代码】

2.改进点

混沌反向学习策略

将混沌映射和反向学习策略结合，形成混沌反向学习方法，通过该方
法生成鲸鱼算法的初始种群。混沌序列采用 Tent 混沌映射:
$x_{i+1}=\begin{cases}\delta x_i&\quad0<x_i<0.5\\\delta(1-x_i)&\quad0.5<x_i<1\end{cases}\tag{1}$
反向学习是一种扰动手段，其主要原理是通过对目标空间中已知解的反向学习，得到该解在空间中的反向解:
$x'=r(x_{\max}-x_{\min})-x\tag{2}$
将混沌生成种群和反向学习种群混合，取适应度前1/2作为新种群。

自适应收敛因子策略

在鲸鱼算法中，收敛因子a从2线性递减到 0，对适应度不同的鲸鱼个体，其包围步长的计算方法是一致的，没有反映出鲸鱼个体间的差异。因此，采用自适应收敛因子：
$a=2-(2-2\cdot\frac{rank_i}N)\cdot\sin(\frac t{2\cdot T_{\max}}\pi)\tag{3}$
其中，ranki 为个体的适应度值在种群中的排名。