鲸鱼算法的基础上加上levy飞行算法

资 源 简 介

鲸鱼算法的基础上加上levy飞行算法

详 情 说 明

在智能优化算法领域，鲸鱼优化算法(WOA)模拟了座头鲸的捕食行为，通过螺旋气泡网攻击机制进行全局和局部搜索。而将Levy飞行策略引入鲸鱼算法，可显著提升其优化性能。

传统鲸鱼算法主要存在两个局限：一是易陷入局部最优，二是后期收敛速度下降。Levy飞行的长步长随机游走特性恰好能解决这些问题。其实现原理是通过在鲸鱼位置更新公式中引入Levy分布的随机步长，使算法具有以下优势：

增强全局搜索能力：Levy飞行的偶尔大幅跳跃特性，帮助算法跳出局部最优陷阱。当鲸鱼个体陷入次优区域时，较大的随机步长能使其快速跃迁到新搜索区域。

平衡探索与开发：在迭代初期侧重使用较大步长的Levy飞行进行广泛探索，随着迭代次数增加逐步切换到传统WOA的局部开发模式，形成自然的搜索策略过渡。

加速收敛过程：通过调整Levy飞行参数，可以在保持种群多样性的同时，引导算法快速向有潜力区域集中搜索，尤其对高维复杂问题效果显著。

实际应用时需注意Levy步长的尺度控制，通常采用自适应调整策略，使步长随迭代次数动态减小。这种混合算法在函数优化、神经网络训练和工程参数优化等场景都展现出优于标准WOA的性能表现。