鲸鱼算法详细原理，公式，应用案例-鲸鱼算法优化扩展卡尔曼滤波EKF

目录

鲸鱼算法的定义
鲸鱼算法的流程及公式
鲸鱼算法优化扩展卡尔曼滤波
结果分析
展望

鲸鱼算法定义

鲸鱼优化算法（Whale Optimization Algorithm, WOA）由Mirjalili于2016年提出，灵感源于座头鲸的泡泡网捕食策略（bubble-net feeding）112。算法假设猎物位置为最优解，鲸鱼位置为潜在解，通过模拟鲸鱼的包围、螺旋攻击和随机搜索行为迭代寻优

鲸鱼算法流程

1，参数初始化，包括种群大小，初始位置，自变量范围，初始适应度值，控制参数a,系数向量A，螺旋常数b,行为选择概率p 等

2，计算适应度值

3，搜索包围机制，鲸鱼向当前最优解或随机解靠近，通过系数向量

4，螺旋更新位置
模拟鲸鱼螺旋式游动捕食，位置更新遵循对数螺旋方程。
公式：

5，随机搜索机制

原理：当∣A∣≥1时，鲸鱼向随机选择的个体移动，增强全局探索能力。
公式：