基于Fuch映射的改进白鲸优化算法及应用

作     者：陈心怡 张孟健 王德光 CHEN Xin-yi;ZHANG Meng-jian;WANG De-guang

作者机构：贵州大学电气工程学院贵州贵阳550025 华南理工大学计算机科学与工程学院广东广州510006 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2024年第46卷第8期

页      面：1482-1492页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：贵州省省级科技计划(黔科合基础-ZK一般103) 贵州省教育厅创新群体(黔科合支撑012) 贵州省教育厅青年科技人才成长项目(黔教合KY字138号) 贵州大学科研基金资助项目(贵大特岗合字04号) 

主　　题：白鲸优化算法 Fuch映射 动态反向学习 参数混沌策略 工程优化问题 

摘      要：针对标准白鲸优化算法(BWO)存在收敛精度低、自适应能力有限和抗停滞能力弱等缺点,从混沌初始化、参数混沌和非线性控制策略3个角度,提出2种基于Fuch映射和动态反向学习的改进白鲸优化算法(CIOEBWO和CPOEBWO)。采用Fuch混沌初始化,提高算法初始化种群的遍历性,从而提升算法寻优精度和收敛速度;在开发阶段,引入Fuch混沌映射对参数C 1进行动态调节,协调算法的全局搜索和局部搜索,有效提高算法自适应能力;基于上述2种改进方式,分别引入动态反向学习策略,丰富优质个体数量,提升算法整体抗停滞能力。根据8种基本测试函数仿真实验和Friedman秩检验结果可得,改进算法的收敛精度、自适应能力和抗停滞能力均得到了有效提升。与BWO和CIOEBWO相比,CPOEBWO显现出较为优异的性能。此外,从CPOEBWO与常见的6种对比算法的寻优结果可知,CPOEBWO算法有较强的寻优能力和鲁棒性。最后,为展示CPOEBWO算法的适用性和有效性,将其应用于工程优化问题。