刘 琨，赵露露，王 辉

(河南理工大学 计算机科学与技术学院，河南 焦作 454000)

1 引 言

全局优化问题广泛存在于数学、经济、系统优化和工程实践等领域中，对于具有高维、非线性、多极值、目标函数不可导等特点的复杂全局优化问题，传统优化算法很难获得理想的优化效果，而群智能优化算法为求解此类优化问题提供了有效的解决方案.近年来，许多群智能优化算法如粒子群算法[1]，蚁狮优化算法[2]，蜻蜓算法[3]，蝗虫优化算法[4]，灰狼优化算法[5]，正弦余弦算法[6]等相继被提出，并用于解决复杂全局优化问题.

鲸鱼优化算法(Whale Optimization Algorithm，WOA)是Mirjalili等人在2016年提出的一种新型智能优化算法[7].该算法具有原理简单、结构灵活、易于理解且便于实现等优点，但其同样存在收敛速度慢、易陷入局部最优和收敛精度低的问题.为此，许多学者针对鲸鱼优化算法的不足做了相应的改进.例如，Zhou等人[8]将Levy飞行引入鲸鱼优化算法中以增加种群多样性，从而提高算法跳出局部最优解的能力；Kaur等人[9]将混沌理论引入鲸鱼优化算法的优化过程中，以此提升算法的收敛速度；Sun等人[10]提出一种改进的鲸鱼优化算法用于解决大规模优化问题，该算法利用非线性收敛因子来协调算法的探索和开发能力，采用二次插值法对最优解进行变异并结合Levy飞行策略避免算法陷入局部最优；涂春梅等人[11]提出一种混沌反馈自适应鲸鱼优化算法，将混沌初始策略用于初始化种群，增加了反馈阶段来提高算法的全局探索能力，同时引入自适应惯性权重帮助算法跳出局部最优，实验证明该算法具有更好的收敛精度和稳定性；……