基于多维度变异学习与收散归优的鲸鱼优化算法

作者：关燕鹏^*; 李子鸣; 贾新春

来源：计算机应用研究, 2023, 40(09): 2674-2680.

DOI：10.19734/j.issn.1001-3695.2023.02.0049

• 鲸鱼优化算法
• 自适应权值
• 优势个体干扰
• 多维度变异学习
• 收散归优
• FOPID控制器

针对鲸鱼优化算法(WOA)在解决高维、多峰、最优值非原点等问题时存在的收敛精度低、易被局部最优捕获等缺陷，提出了一种基于多维度变异学习与收散归优的鲸鱼优化算法(MLDOWOA)。首先，引入自适应权值以及优势个体干扰动态调整个体螺旋包围的方向，提高了算法的全局搜索能力和收敛精度；然后提出多维度变异学习机制对种群变异方向进行自适应规划，进一步扩大了算法的搜索范围；最后引入收散归优机制协调了搜索步长，帮助种群突破了中后期搜索停滞的局限。通过8个高维基准函数和4个固定维基准函数对MLDOWOA算法进行测试，结果表明同基本算法WOA、SSA以及改进的ACWOA、AWOA、MSIWOA、ADWOA相比，该算法在收敛精度和应对高维函数的能力上具有显著的优越性。将该算法应用于FOPID控制器的参数整定，并将实验结果同近年来该工程问题的研究成果进行对比分析，证明了该算法在FOPID参数整定问题中具有卓越的性能。

• 单位
  山西大学