含鲸鱼算法MATLAB实现

以下是含鲸鱼算法MATLAB实现的示例代码：

假设我们要解决如下的含约束优化问题：

min f(x) = x1^2 + 2x2^2 + 3x3^2

s.t. -10 <= x1 <= 10

-5 <= x2 <= 5

-2 <= x3 <= 2

首先，我们定义一个函数来计算目标函数的值：

function y = obj_fun(x)
    y = x(1)^2 + 2*x(2)^2 + 3*x(3)^2;
end

然后，我们定义含鲸鱼算法的函数：

function [best_x, best_f] = whale_algorithm(obj_fun, lb, ub, n, max_iter)
    % obj_fun: 目标函数
    % lb: 变量下界
    % ub: 变量上界
    % n: 鲸鱼数量
    % max_iter: 最大迭代次数
    
    % 初始化鲸鱼位置和速度
    x = bsxfun(@plus, lb, bsxfun(@times, rand(n, numel(lb)), ub-lb));
    v = zeros(size(x));
    best_x = [];
    best_f = Inf;
    
    % 迭代
    for iter = 1:max_iter
        % 计算适应度
        f = arrayfun(obj_fun, x);
        
        % 更新最优解
        [min_f, idx] = min(f);
        if min_f < best_f
            best_f = min_f;
            best_x = x(idx, :);
        end
        
        % 计算权重
        a = 2 - iter * (2 / max_iter);
        
        % 更新速度和位置
        A = repmat(2 * a * rand(n, 1) - a, 1, numel(lb));
        C = repmat(2 * rand(n, 1), 1, numel(lb));
        l = randi([1, numel(lb)], [n, 1]);
        p = rand(n, numel(lb)) < 0.5;
        v = A .* v + p .* C .* (x - x(l, :));
        x = x + v;
        
        % 处理越界情况
        x(x < lb) = lb(x < lb);
        x(x > ub) = ub(x > ub);
    end
end

最后，我们可以调用 whale_algorithm 函数来求解含约束优化问题：

lb = [-10, -5, -2];
ub = [10, 5, 2];
n = 50;
max_iter = 100;
[best_x, best_f] = whale_algorithm(@obj_fun, lb, ub, n, max_iter);
disp(['best_x = [', num2str(best_x), '], best_f = ', num2str(best_f)]);

该代码会输出最优解和最优解对应的目标函数值。注意，为了避免越界情况，我们在 whale_algorithm 函数中使用了 bsxfun 和 repmat 函数来进行矩阵扩展和计算。