2026年1月一区SCI-波动光学优化算法Wave Optics Optimizer-附Matlab免费代码

引言

本期介绍一种新的创新算法------波动光学优化算法Wave Optics Optimizer，WOO。WOO的灵感来自弗劳恩霍夫衍射实验，该实验揭示了光的波动性质。在WOO中，每个光波对应于一个候选解。该成果于2026年1月最新发表 在 JCR 1区，中科院1区（小区）期刊 Communications in Nonlinear Science and Numerical Simulation。

数学建模

受夫琅和费衍射实验的启发，本文提出了一种新的优化器WOO。在WOO中，空间中的每个平行光波都被视为候选解。这些波由于衍射效应扩散到空间中，并由于干涉效应在屏幕上形成明暗相间的条纹图案。光强最高的区域称为中央亮边，被认为是种群的最佳位置。光波在空间中的扩散和相互作用可以看作是种群探索空间的过程。

初始化：和其他群优化算法一样，采用随机初始化。

当单色光通过狭缝时，就会发生衍射。为了以后的计算方便，我们假设有N衍射后波前上的点，其中点的数目等于初始平行光波的数目S。提出了一种计算平行光波通过狭缝后初始波前位置的模型

一组F在式（14）中存储了表示质量的评价值的位置X。在最小化问题中，一个较小F表示更好的位置X，其中全局最优解定义为BestX，其对应的最优适应度值定义为BestF。

参数Ua表示平行光波通过狭缝时的初始不确定度。它有助于在解决复杂的优化问题时有效地指导WOO，防止避免陷入局部最优，并确保WOO在复杂的搜索空间中保持强大的优化性能。

在以后的迭代中，它引入了较小的扰动来增强局部开发能力。此外，这些小的扰动有助于减轻算子对BestX周围邻域信息的破坏性影响

WOO个体的选择策略如下所示。在这个阶段，WOO排名基于F的质量，作为顶部N/2个体更接近全局最优位置，使其成为个体扩散的合适参考。

随机策略：当波浪在屏幕上相遇并形成明暗交替的条纹时，种群正式进入解决方案空间内的交互式学习和搜索阶段：

强化策略：随着迭代的进行，种群向全局最优位置移动。然而，在复杂的优化问题中，解空间往往是巨大而复杂的，充满了大量的局部最优。仅仅依靠探索可能会使算法陷入这些局部最优，从而使最终结果无法达到全局最优。因此，利用有希望的位置有助于算法摆脱局部最优，找到更高质量的解。WOO在强化策略中合并了以下两个更新操作符。

调整策略：为了进一步提高贪婪策略在WOO中更新个体位置时对空间信息的利用，本文提出了一种基于群体优势信息的调整策略。

算法伪代码：

03. 对比验证

原文作者为了评估WOO的优化能力，在3个CEC套件（CEC2014、CEC2017、CEC2022）和7个工程优化问题上进行了实验。将WOO与11个经典优化器、11个改进优化器和9个高性能CEC优化器进行了比较。实验结果和统计分析表明，WOO在大多数测试任务中都取得了优异的优化性能，在各种类型的数值优化问题中保持了较强的适应性和竞争力。因此，WOO可以看作是一个高性能的优化算法

参考文献

Yong Peng, Shaowei Gu, Yunbin Liang, Kaichen Ouyang, Yingli Li, Kui Wang, Guohua Wu, Chaojie Fan,

Wave Optics Optimizer: A novel meta-heuristic algorithm for engineering optimization,Communications in Nonlinear Science and Numerical Simulation,Volume 152, Part D,2026,109337, https://doi.org/10.1016/j.cnsns.2025.109337.