离散鲸鱼算法MATLAB代码

离散鲸鱼算法（Discrete Whale Optimization Algorithm）是一种启发式优化算法，用于求解离散优化问题。下面是MATLAB代码实现。

首先，定义目标函数。这里以二元函数为例：

function f = obj(x)
% x: 二元向量
f = -(sin(x(1)) * cos(x(2)) + sin(x(2)) * cos(x(1)));
end

接着，定义离散鲸鱼算法函数：

function [best_x, best_f] = dwoa(obj, lb, ub, n, max_gen)
% obj: 目标函数
% lb: 自变量下界
% ub: 自变量上界
% n: 种群大小
% max_gen: 最大迭代次数
% best_x: 最优解
% best_f: 最优解对应的目标函数值

% 初始化种群
X = randi([lb, ub], n, length(lb));
F = zeros(n, 1);
for i = 1:n
    F(i) = obj(X(i, :));
end

% 初始化最优解
[best_f, best_idx] = min(F);
best_x = X(best_idx, :);

% 迭代
for gen = 1:max_gen
    a = 2 - gen * (2 / max_gen); % 计算动态权重系数
    for i = 1:n
        r1 = randi(n);
        r2 = randi(n);
        r3 = randi(n);
        A = abs(a * X(r1, :) - X(r2, :));
        B = abs(a * best_x - X(r3, :));
        C = A .* cos(2 * pi * rand(1, length(lb))) + B .* sin(2 * pi * rand(1, length(lb)));
        D = round(X(i, :) + C);
        D(D < lb) = lb;
        D(D > ub) = ub;
        Fd = obj(D);
        if Fd < F(i)
            X(i, :) = D;
            F(i) = Fd;
            if Fd < best_f
                best_f = Fd;
                best_x = D;
            end
        end
    end
end
end

其中，动态权重系数 `a` 的计算使用了线性递减函数，逐渐减小直到 0。

最后，调用 `dwoa` 函数求解最优解：

lb = [-10, -10]; % 自变量下界
ub = [10, 10]; % 自变量上界
n = 30; % 种群大小
max_gen = 100; % 最大迭代次数
[obj_val, sol] = dwoa(@obj, lb, ub, n, max_gen);
disp(['最优解：', num2str(sol)]);
disp(['目标函数值：', num2str(obj_val)]);