鲸鱼优化算法的全局收敛性分析及参数选择研究

冯文涛,邓 兵

(盲信号处理国家级重点实验室,四川成都 610041)

1 引言

在社会生活的各个领域,最优化的需求一直存在.随着科学的发展与技术的进步,越来越多的最优化问题呈现出大规模、不连续、非线性、目标函数不可导甚至表达式未知等特点,传统的最速下降法、最小二乘法等优化方法难以很好的解决此类优化问题.随之应运而生的智能优化算法也被称作启发式算法,是一种依概率搜索的随机优化算法.群体智能算法属于智能优化算法的一个分支[1],它通过模仿自然界中生物群体组织表现出的智慧行为来形成相应的智能计算方法,如蚁群算法[2]、蜂群算法[3]等.

鲸鱼优化算法[4](whale optimization algorithm,WOA)是2016年由Mirjalili等人提出的一种新型群体智能优化算法,它模仿的是大海中鲸鱼群的集体捕食方式.鲸鱼优化算法包含了3种独立求解的种群更新机制,因此其寻优阶段的全局探索和局部开发过程得以分别运行及控制.此外,鲸鱼优化算法不需要人为的设置各种控制参数值,提高了算法的使用效率并降低了应用难度.而常见的粒子群算法[5]、差分进化算法[6]等进化算法一般只含有单一的种群更新方式,致使算法中探索能力和开发能力的平衡较为困难,而且这些算法控制参数值的设置成功与否直接决定了算法最终的求解性能高低.与其它群体智能优化算法相比,WOA算法结构新颖,参数设置简单,自问世以来在函数优化[7–9]和工程领域[10–12]均得到了广泛的应用……