程浩淼，王梦磊，汪 靓，章小卫

1.扬州大学 环境科学与工程学院，江苏 扬州 225127

2.扬州大学 水利科学与工程学院，江苏 扬州 225127

3.扬州大学 信息工程学院，江苏 扬州 225127

群体智能算法是一类模拟生物种群生存行为（捕觅食、孵化等）的优化方法[1-2]。在近年逐渐兴起的群体优化算法中，鲸鱼优化算法（WOA）由于其独特的螺旋更新方式及较强的全局搜索能力，迅速得到研究人员的广泛关注。WOA 是2016 年由文献[3]提出的一种新型群体优化算法，其通过模拟座头鲸觅食过程中的包围捕食、螺旋气泡以及随机游走搜索行为，以搜寻目标函数的最优解。在函数优化方面，该算法已被证实在求解精度、收敛速度等性能上优于粒子群（PSO）、蚁群（ACO）、人工蜂群（ABC）、灰狼（GWO）等群体算法[3-5]。

目前，WOA 已成功应用于化工机械设备优化设计[3，6]、拉伸/压缩弹簧设计[3，7]、水资源优化[8]等领域。但在应用过程中，WOA 存在一定的收敛速度慢、易陷于局部最优等问题。基于此，国内外学者主要通过以下3个方面进行改进完善：（1）改进初始种群生成方式。文献[9-11]通过混沌初始化策略，促进初始种群的多样化；文献[12]通过Sobol 序列生成不重复且均匀的点，来实现对解空间的全覆盖；文献[13-17]基于对立学习策略生成对立点，并根据适应度进行初始种群个体的精英选择。（2）改进算法参数。部分学者通过优化算法参数，提高WOA 的收敛精度及速度，如：收敛因子a、收缩系数A等[10，18-21]；文献[22-24]则将混沌理论、PSO权重等理论引入WOA 优化过程，实现算法参数的调整优化。（3）改进后期种群的聚集方法。……