鲸鱼优化算法MATLAB代码

鲸鱼优化算法（Whale Optimization Algorithm, WOA）是一种生物启发式的搜索算法，它模拟了海豚和虎鲸的行为模式来寻找最优解。在MATLAB中编写鲸鱼优化算法的代码，通常需要以下步骤：

1. **导入必要的库**：首先，你需要包含用于数值计算的基本MATLAB库。

% 导入优化工具箱
if ~exist('optim Toolbox')
    error('需要安装Optimization Toolbox');
end

2. **初始化算法参数**：包括种群大小、最大迭代次数、搜索步长等。

% 初始化参数
popSize = 50; % 种群大小
maxIter = 100; % 最大迭代次数
c = 2; % 拟合系数
a = 2; % 变化系数
swimStep = 0.2; % 搜索步长

3. **创建鲸鱼位置矩阵**：代表每个解决方案的位置。

whales = rand(popSize, dim); % dim是特征维数
bestSolution = zeros(dim, 1); % 保存全局最优解

4. **循环迭代过程**：对于每一轮迭代，更新鲸鱼的位置并找到新的最佳解。

for iter = 1:maxIter
    % 更新捕食者位置 (基于当前最佳解)
    for i = 1:popSize
        A = 2 * a * rand() - a; % 变量A
        C = rand() * c; % 变量C
        D = abs(C * randn(dim, 1)); % 随机方向
        whales(i,:) = bestSolution + A * D .* sqrt(abs(whales(i,:) - bestSolution));
        
        % 确保不会超出搜索范围
        whales(i,:) = min(maximumBound, whales(i,:));
        
        % 更新食物源位置
        if fitnessFunction(whales(i,:)) > fitnessFunction(bestSolution)
            bestSolution = whales(i,:);
        end
    end
    
    % 更新显示信息和记录历史
    disp(['Iteration ' num2str(iter) ', Best Fitness: ' num2str(fitnessFunction(bestSolution))]);
end

其中`fitnessFunction`是一个用户自定义的目标函数，用于评估解的质量。