改进的WOA算法：增强寻优与应用性能

本文主要探讨了"改进鲸群优化算法及其应用"这一主题，针对传统的 Whale Optimization Algorithm (WOA) 在迭代寻优过程中的问题，即初始种群中可能存在适应度较差的个体，这些个体通过代间信息传递可能会影响新种群的优良性和算法的整体性能。为解决这一问题，研究者提出了一个结合了WOA与混沌搜索策略的新算法——Modified Whale Optimization Algorithm (MWOA)。 MWOA的核心改进在于它在每次迭代过程中，利用个体的适应度值作为评估标准，识别出当前种群中最差的个体。这种识别机制有助于区分出需要改进的部分，从而避免了全局最优解被低效个体拖累的情况。接着，算法通过混沌映射技术对最差个体的位置进行更新，这种方法引入了随机性和非线性，有助于打破局部最优，提高种群的多样性，从而增强算法的全局搜索能力。 实验结果展示了MWOA在基准测试函数中的卓越探索性能，这证明了算法在处理复杂的优化问题时具有较强的全局搜索能力和找到高质量解的能力。此外，通过最小二乘支持向量机参数优化实验，MWOA的有效性和高效性得到了验证，这表明该算法在实际问题中的应用也表现出了良好的性能。 本文的作者是刘洋和邵良杉，他们分别来自辽宁工程技术大学环境科学与工程学院和系统工程研究所。他们的研究受到了国家自然科学基金和辽宁省社会科学联合会基金的支持。该研究成果发表于《辽宁工程技术大学学报（自然科学版）》2018年第2期，文章的详细信息包括刊名、卷期、作者、编校人员以及DOI等引用标识。 本文提出的改进鲸群优化算法通过巧妙地融合混沌搜索策略，有效提升了传统WOA的优化性能和寻优效率，具有广泛的应用潜力，特别是在处理复杂优化问题时展现出强大的优势。