2025年ASOC SCI2区TOP，多策略组合鲸鱼优化算法SCWOA+梯级水库调度，深度解析+性能实测

---

1.摘要

水库调度优化是一个高度复杂的非线性问题，涉及多变量和多重物理约束，在水资源管理中极具挑战性。尽管鲸鱼优化算法（WOA）以其机制简洁和优化性能优越而受到关注，但在面对复杂问题时，仍存在早熟收敛与全局搜索能力不足的问题。本文提出一种多策略组合鲸鱼优化算法（SCWOA），该算法在保留WOA高效局部开发能力的基础上，融合了并行乘除算子以增强全局探索能力，双策略包围机制以提升种群多样性，动态螺旋机制以提高解的精度，以及自适应逃逸机制以减少局部停滞风险。

2.鲸鱼优化算法WOA原理

SCI二区|鲸鱼优化算法（WOA）原理及实现【附完整Matlab代码】

3.多策略组合鲸鱼优化算法SCWOA

随机跳跃搜索猎物

本文引入间接跳跃扰动机制，结合WOA的随机搜索策略，通过并行执行乘除算子并利用余弦函数提高计算效率。同时引入控制参数$m$实现鲸鱼个体在远距离与近距离之间的随机跳跃，增强个体之间的信息交流。

$$X(t+1)=\{\begin{array}{ll}{X}_{\text{rand}}(t)-u/{\left|v\right|}^{1/\beta }\cdot A\cdot D_1,& \text{if }\text{rand}<m\\ X^{\ast }(t)\cdot u1/\left(\left(\frac{3A}{2}+\epsilon \right)\cdot \cos (2\pi R_3)+\frac{3A\cdot l1}{2}\cdot \cos (2\pi R_4)\right),& \text{if }\text{rand}\ge m\end{array}$$

双重策略包围猎物

本文引入双策略包围机制，策略一（Plan1）引导部分个体朝向当前种群的平均维度值移动，从而避免过度依赖最优个体，增强种群多样性。当随机数大于概率因子$q$，触发策略二（Plan2），个体以原始WOA的收缩包围方式快速向猎物发起冲刺。同时算法还引入记忆机制，通过世代适应度比较保留更优个体，在保障收敛性的基础上进一步增强种群活力与多样性。

$$X(t+1)=\{\begin{array}{ll}{X}^{\ast }(t)+\text{rand}\cdot (X_{\text{mean}}(t)-X^{\ast }(t)),& \text{if }\text{rand}\le q\\ X^{\ast }(t)-A\cdot D,& \text{if }\text{rand}>q\end{array}$$

自适应逃逸机制

本文引入了一种自适应扰动条件下的逃逸机制，结合t分布与单位圆上的随机角度，共同决定扰动的步长和方向：
$$X(t+1)=X(t)+t(\mathrm{iter})\cdot |X^{\ast }(t)-X(t)|\cdot \cos (2\pi \cdot \mathrm{rand})$$

4.结果展示

5.参考文献

[1] Hou Z, Peng H, Li J. A novel multi-strategy combined whale optimization algorithm for cascade reservoir operation of complex engineering optimization[J]. Applied Soft Computing, 2025, 173: 112917.

6.代码获取

xx

7.算法辅导·应用定制·读者交流