融合多策略改进的白鲸优化算法.pdfVIP

762025，61（5）ComputerEngineeringandApplications计算机工程与应用

⦾理论与研发⦾

融合多策略改进的白鲸优化算法

+

柴岩，常晓萌，任生

辽宁工程技术大学理学院，辽宁阜新123000

+通信作者E-mail：xiaomeng98121@163.com

摘要：为进一步提升白鲸优化算法（BWO）的寻优能力和收敛速度，提出一种融合多策略改进的白鲸优化算法

（multi-strategyimprovedbelugawhaleoptimization，MIBWO）。针对算法初期因随机生成个体的遍历性较差使得算

法易陷入局部的劣势，利用PWLCM混沌映射增加种群多样性以及准反向学习生成的反向解增强初始解的质量，为

算法寻优性能奠定基础；构造一种动态限制局部扰动搜索机制，引入非线性收敛因子扰动个体增加求解精度与速

度，为避免收敛因子在迭代后期过快收敛，利用动态平衡搜索策略以避免陷入局部最优；提出一种差异性种群进化

策略对鲸鱼坠落阶段进行最优值位置扰动更新，有效提升收敛精度。理论分析和数值实验证明MIBWO算法具有较强

的寻优性能，MIBWO算法在PV辨识问题体现了良好的寻优性能、收敛速度及鲁棒性并具有一定的实际工程应用前景。

关键词：白鲸优化算法；PWLCM混沌映射；准反向学习；非线性收敛因子；动态平衡搜索策略；差异性种群进化策略；

PV辨识问题

文献标志码：A中图分类号：TP301.6doi：10.3778/j.issn.1002-8331.2403-0391

BelugaWhaleOptimizationwithImprovedMulti-StrategyIntegrationProblem

+

CHAIYan,CHANGXiaomeng,RENSheng

CollegeofScience,LiaoningTechnicalUniversity,Fuxin,Liaoning123000,China

Abstract:Inordertofurtherimprovetheoptimizationabilityandconvergencespeedofthebelugawhaleoptimization

(BWO),amulti-strategyimprovedbelugawhaleoptimization(MIBWO)algorithmbasedonmulti-strategyimprovement

isproposed.Inordertoavoidtherapidconvergenceoftheconvergencefactorinthelateiteration,thedynamicequilibri-

umsearchstrategyisusedtoincreasethepopulationdiversityandthereversesolutiongeneratedbyquasi-reverselearning

toenhancethequalityoftheinitialsolution,whichlaysthefoundationfortheoptimizationperformanceofthealgorithm.

TheoreticalanalysisandnumericalexperimentsshowthattheMIBWOalgorithmhasstrongoptimizationperformance.

TheMIBWOalgorithmhasgoodoptimizationperformance,convergencespeedandrobustnessinPVidentification,and

hascertainpracticalengineeringapplicationprospects.

Keywords:belugawhaleoptimization(BWO);PWLCMchaosmapping;quasi-inverselearning;nonlinea