三维鲸鱼算法Matlab代码

三维鲸鱼算法是一种优化算法，用于求解非线性优化问题。以下是Matlab代码实现：

function [best, fmin] = whale_algorithm(func, dim, lb, ub, max_iter)

% 参数说明：
% func：目标函数句柄
% dim：搜索空间维度
% lb：搜索空间下限
% ub：搜索空间上限
% max_iter：最大迭代次数

% 初始化鲸群
pop_size = 30; % 鲸群大小
X = repmat(lb, pop_size, 1) + rand(pop_size, dim) .* repmat(ub-lb, pop_size, 1);
fitness = feval(func, X);
best = X(1, :); % 最优解
fmin = fitness(1); % 最优解的函数值

% 迭代
for iter = 1:max_iter
    a = 2 - iter * (2 / max_iter); % a参数
    A = repmat(a, pop_size, 1); % 鲸群半径
    r = rand(pop_size, dim); % 随机向量
    C = 2 * r - 1; % C参数
    p = rand(pop_size, dim); % p参数
    b = 1; % b参数
    l = (a-1) * rand(pop_size, 1) + 1; % l参数
    
    % 更新鲸群位置
    for i = 1:pop_size
        if fitness(i) < fmin
            best = X(i, :);
            fmin = fitness(i);
        end
        for j = 1:dim
            if p(i, j) < 0.5
                if abs(C(i, j)) < 1
                    X(i, j) = best(j) - A(i) * C(i, j);
                else
                    rand_whale = ceil(pop_size * rand); % 随机选择一个鲸鱼
                    X(i, j) = X(rand_whale, j) - A(i) * C(i, j);
                end
            else
                dist = abs(best(j) - X(i, j));
                X(i, j) = dist * exp(b * l(i)) * cos(2 * pi * l(i)) + best(j);
            end
        end
    end
    
    % 计算新位置的函数值
    fitness = feval(func, X);
end
end

在调用该函数时，需要先定义目标函数func，并指定搜索空间的维度dim、下限lb、上限ub和最大迭代次数max_iter。例如：

% 定义目标函数
func = @(x) sum(x.^2);

% 搜索空间维度为3，下限为-10，上限为10，最大迭代次数为100
best = whale_algorithm(func, 3, -10, 10, 100);

该示例中，目标函数为x的平方和，搜索空间维度为3，下限为-10，上限为10，最大迭代次数为100。调用whale_algorithm函数后，返回最优解best。