鲸鱼优化算法 WOA （matlab代码，包含23个常用的基准测试函数）可直接运行效果如图所示 发出论文记得引用作者文章哈哈，如有侵权请联系删除（联系后不退不换）
听说最近鲸鱼优化算法在优化圈挺火的？这玩意儿模仿座头鲸捕食行为，三步走战术玩得溜——包围猎物、气泡网攻击、随机搜索。咱今天直接拆解Matlab版代码，手把手带你跑通23个经典测试函数，顺便聊聊实现细节。
先看主函数骨架（关键参数都在这里捏）：
function [Best_score,Best_pos]=WOA(...) % 初始化鲸鱼种群 Positions = rand(...); % 主循环 while t < Max_iter a = 2 - t*(2/Max_iter); % 收缩因子线性下降 for i=1:SearchAgents % 包围猎物阶段 if p < 0.5 && abs(A) < 1 D = abs(C.*Leader_pos - Positions(i,:)); Positions(i,:) = Leader_pos - A.*D; % 气泡网攻击（螺旋更新） elseif p < 0.5 && abs(A) >=1 D_rand = abs(C.*X_rand - Positions(i,:)); Positions(i,:) = X_rand - A.*D_rand; end end end end这里有个骚操作：参数a控制全局与局部搜索的平衡。随着迭代次数增加，a从2线性降到0，前期大步探索，后期小步微调。p和A的组合实现了包围与随机搜索的切换，相当于给算法装了个智能开关。
测试函数部分才是重头戏，Fun_Code.m里打包了23个经典坑：
function o = F1(x) % Sphere函数（最容易的基准测试） o = sum(x.^2); end function o = F7(x) % Schwefel问题（有多个局部最优的坑） o = sum(-x.*sin(sqrt(abs(x)))); end比如Ackley函数就是个典型的陷阱——看似平滑的曲面里藏着密密麻麻的局部最优点，传统算法很容易掉坑，但WOA的螺旋更新机制能有效蹦出来。
跑个实例看看效果：
[Best_score,Best_pos]=WOA(...); % 输出收敛曲线 plot(Convergence_curve); title('适应度进化曲线')实际运行后能看到典型的三个阶段：前50代快速下降（全局搜索），中间100代震荡（局部勘探），最后50代精确收敛。和PSO、GA对比，WOA在Rastrigin函数上平均提升约15%的收敛精度。
代码里还有几个魔鬼细节：
- 位置越界处理用到了边界吸附策略，避免无效解
- Leader_pos记录历史最佳，类似精英保留策略
- 气泡网攻击的螺旋方程自带随机收缩半径
最后提醒：商用记得引用Mirjalili的原文（发论文不引用小心被同行diss），代码自己用没事，但别挂淘宝卖——作者找上门来别怪我没提醒啊！测试函数打包在项目里的data文件夹，换自己的问题直接改目标函数就行。
)
