白鲸优化算法(BWO)详解:从生物灵感 to 工程实践
1 算法概述与生物基础
1.1 算法背景与起源
白鲸优化算法(Beluga Whale Optimization, BWO)是一种新型的元启发式优化算法,由Changting Zhong等人于2022年提出。该算法模拟了自然界中白鲸的群体觅食行为,通过数学建模白鲸的游泳、捕食和"鲸落"现象,为解决复杂优化问题提供了新的思路。
BWO算法属于群体智能优化算法家族,与遗传算法、粒子群优化等传统算法相比,BWO具有参数少、概念清晰、实现简单等特点。算法自提出以来,已在多个标准测试函数和实际工程问题上展现出优异性能,成为优化算法研究领域的一个新热点。
1.2 白鲸的生物学特性与行为模式
要深入理解BWO算法,首先需要了解其生物原型——白鲸的生物学特性及其行为模式。
1.2.1 白鲸的群体特征
白鲸(Delphinapterus leucas)是一种主要分布于北极和亚北极海域的鲸类动物,以其纯白色的成年体色和高度的社会性而闻名。白鲸通常以2-25只的群体规模生活,平均约为10只成员。这种群体结构为算法中的种群设计提供
订阅专栏 解锁全文
438



被折叠的 条评论
为什么被折叠?



