鲸鱼优化算法的系统性元分析综述

鲸鱼优化算法（Whale Optimization Algorithm, WOA）是一种自然启发的元启发式优化算法，由 Mirjalili 和 Lewis 于 2016 年提出。该算法已展现出解决诸多问题的能力。针对其他一些自然启发算法（如 ABC、PSO 等）已开展过全面综述。然而，尚无关于 WOA 的综述研究工作。因此，本文对 WOA 进行了系统性元分析综述，以帮助研究者在不同领域使用它或将其与其他常见算法混合。据此，从算法背景、特性、局限、改进、混合与应用方面深入介绍 WOA。接着，给出 WOA 求解不同问题的性能表现。然后，建立 WOA 改进与混合的统计结果，并与最常见优化算法及 WOA 比较。综述结果表明，WOA 在收敛速度及探索与开发平衡方面优于其他常见算法。WOA 的改进与混合相较 WOA 也表现良好。此外，我们的研究为通过混合 WOA 与 BAT 算法提出新技术铺平了道路。BAT 算法用于探索阶段，而 WOA 算法用于开发阶段。最后，WOA-BAT 所得的统计结果极具竞争力，且在 16 个基准函数上优于 WOA。WOA-BAT 在 CEC2005 的 13 个函数与 CEC2019 的 7 个函数上也表现优异。