操作环境：
MATLAB 2022a
1 、算法描述
1.粒子群算法（Particle Swarm Optimization，简称PSO）是一种模拟鸟群觅食行为的启发式优化方法。以下是其详细描述：
基本思想：
鸟群在寻找食物时，每只鸟都会观察自己和其他鸟之间的距离，以及当前找到的食物的位置。每只鸟都会向自己历史上找到的最好食物位置和整个群体找到的最好食物位置飞翔。通过这种方式，鸟群可以在一定范围内快速找到食物。
算法流程：
-
初始化：随机生成一个粒子群，每个粒子表示在解空间中的一个潜在解。
-
评估：为每个粒子设定一个初始位置和速度，并计算它的适应度值。
-
更新速度和位置：
- 对每个粒子，根据以下公式更新其速度：
2.白鲸优化算法（Whale Optimization Algorithm, WOA）是一种模拟白鲸捕食行为的优化算法，由Mirjalili和Lewis于2016年提出。这种算法受到白鲸独特的捕食策略------螺旋式逼近猎物和围捕的启发。算法的基本思想是通过模拟白鲸的这两种捕食行为来寻找问题的最优解。
算法描述
初始化
算法开始时，随机生成一群白鲸个体，每个个体代表问题空间中的一个可能解。每个个体的位置由一个向量表示。
搜索猎物
白鲸通过两种策略搜索猎物（即寻找最优解）：
- 围捕策略：白鲸根据当前最优解的位置来更新自己的位置。这是通过以下公式来实现的：
2、仿真结果演示
3 、关键代码展示
略
4 、MATLAB 源码获取
点击下方原文链接获取
https://blog.csdn.net/Koukesuki/article/details/134023769?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171559289516800197013984%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171559289516800197013984&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-1-134023769-null-null.nonecase&utm_term=56&spm=1018.2226.3001.4450