.png){kind=icon}
返回
Random-Flight Whale Optimization Algorithm for Global Optimization
.png){kind=icon}
PRE
AI
DOI：10.7232/iems.2026.25.1.043.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鲸鱼优化算法（WOA）是最具影响力的基于群集、受自然启发的元启发式算法之一，通过模仿驼背鲸的气泡网捕食技术来解决复杂优化问题。由于结构简单、参数要求少和收敛速度快，WOA已被广泛应用于各类实际优化领域。本文提出了一种原始WOA的改进版本，命名为随机飞行鲸鱼优化算法（RFWOA），它整合了三种随机飞行机制，即均匀分布、瑞利飞行和Lévy飞行。这些机制用于生成精英解并提升搜索性能。所提出的RFWOA有助于在原始WOA的探索与开发特性之间实现更好的平衡。为评估其有效性，RFWOA在十个基准函数上进行测试，并应用于解决十个多车场多车辆路径问题（MDMVRP）以实现全局优化。RFWOA的结果与原始WOA、粒子群优化（PSO）和遗传算法（GA）等其他知名受自然启发的算法结果进行比较。实验结果表明，所提出的RFWOA在解决基准函数和MDMVRP优化任务方面显著优于竞争算法。这些结果证实了RFWOA相对于原始WOA、PSO和GA的优越性。
Keyword:
Whale Optimization Algorithm
Random-Flight
Global Optimization
Swarm-Based Nature-Inspired Metaheuristic Algorithm
Multi-Depot Multi-Vehicle Routing Problem
期刊
I
IF:
0.5
论文数:
32
被引数:
0
机构
引用论文
暂无论文信息