【MATLAB源码-第94期】基于matlab的白鲸优化算法(BWO)和鲸鱼优化算法(WOA)机器人三维路径规划对比。

本文主要是介绍【MATLAB源码-第94期】基于matlab的白鲸优化算法(BWO)和鲸鱼优化算法(WOA)机器人三维路径规划对比。，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

操作环境：

MATLAB 2022a

1、算法描述

白鲸优化算法（BWO）
白鲸优化算法是受到白鲸捕食和迁徙行为启发的一种算法。其主要特点和步骤包括：
1. 搜索食物（全局搜索）：算法模仿白鲸寻找食物的行为。在这一阶段，白鲸会随机搜索食物源（即全局搜索解空间），并根据其他同类的位置信息更新自己的位置。
2. 追踪猎物（局部搜索）：一旦白鲸发现猎物（即找到潜在的优化解），它会开始局部搜索，模拟白鲸在水下追逐猎物的行为。
3. 动态适应性：BWO算法中的白鲸能够根据环境变化（例如解空间的不同区域）动态调整其搜索策略。
4. 群体合作：白鲸之间的信息共享和合作是BWO算法的一个重要特点，通过模拟白鲸群体狩猎的行为来提高搜索效率。

鲸鱼优化算法（WOA）
鲸鱼优化算法是受到座头鲸捕食行为（特别是泡沫网捕食策略）的启发而开发的算法，主要特点和步骤包括：
1. 包围猎物：WOA算法开始时，假设有一个最佳候选解，其它候选解（鲸鱼）将会朝这个最佳解的位置移动，模拟鲸鱼围捕猎物的行为。
2. 泡沫网捕食：在这一阶段，座头鲸会通过创建泡沫圈来逼近猎物。在算法中，这通过收缩包围圈来模拟，逐渐缩小搜索范围并提高搜索精度。
3. 随机搜索：当鲸鱼不能确定猎物的位置时，它们会随机搜索其他鲸鱼的位置，希望能找到猎物，这在算法中体现为全局搜索策略。
4. 螺旋式更新：此外，WOA算法中鲸鱼更新位置的一种方式是模仿鲸鱼在水面下螺旋式上升捕食的行为。