丁 智，肖 宇

（蚌埠学院 计算机与信息工程学院，安徽 蚌埠 233030）

鲸鱼优化算法（WOA）是人们根据座头鲸的捕食行为提出的一种新型的群体智能算法［1］。人们利用WOA通过模拟鲸鱼对猎物的包围、搜寻和攻击搜索全局最优解。该算法原理简单、参数设置少，具有较强的寻优能力，已成功应用于图像分割［2］、神经网络训练［3］、特征选择［4］、路径优化［5］和作业调度［6］等领域。与其他群体智能算法一样，WOA容易陷入局部最优，这将导致收敛速率和收敛精度降低，尤其是在求解多峰值函数的优化问题时，无法得到理想的全局最优解。

针对WOA存在的不足，ZHOU Y.Q.等［7］提出了基于Lévy飞行轨迹的鲸鱼优化算法（LWOA），通过基于Lévy飞行的高频短距离和低频长距离搜索机制提高了算法的全局搜索能力。G.KAUR等［8］将混沌理论引入WOA，提出了混沌鲸鱼优化算法（CWOA），通过改进初始种群提高了算法的收敛速度。于俊洋等［9］提出一种基于非线性收敛因子和局部扰动的鲸鱼优化算法（NPWOA），该算法能有效跳离局部最优，提高了搜索精度。龙文等［10］提出基于非线性收敛因子的改进鲸鱼优化算法（IWOA），设计了一种随迭代次数呈非线性变化的收敛因子更新公式，以此均衡WOA算法的全局探索和局部开发能力。

经过改进以后，尽管WOA的性能有所提高，但在处理大规模复杂函数的优化问题时，求解精度和收敛速度都会下降。为了解决这些问题，我们提出了基于惯性混沌的改进鲸鱼优化算法（ICIWOA），并进行了以下方面的工作：通过混沌Tent映射机制初始化种群改善了种群的多样性和初始解质量；……