注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值陨享，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）。
注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值钝腺，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）抛姑。
注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）艳狐。

1.代碼實(shí)現(xiàn)

不了解鯨魚算法可以先看看優(yōu)化算法筆記（十三）鯨魚算法
實(shí)現(xiàn)代碼前需要先完成優(yōu)化算法matlab實(shí)現(xiàn)（二）框架編寫中的框架的編寫定硝。

以及優(yōu)化算法matlab實(shí)現(xiàn)（四）測(cè)試粒子群算法中的測(cè)試函數(shù)、函數(shù)圖像的編寫毫目。

鯨魚算法的個(gè)體沒有獨(dú)有屬性镀虐。
鯨魚算法個(gè)體
文件名：.. \optimization algorithm\algorithm_whale\WOA_Unit.m

% 鯨魚算法個(gè)體
classdef WOA_Unit < Unit
    
    properties
    end
    
    methods
        function self = WOA_Unit()
        end
    end
    
end

鯨魚算法算法主體
文件名：..\optimization algorithm\algorithm_whale\WOA_Base.m

% 鯨魚算法
classdef WOA_Base  < Algorithm_Impl
    
    properties
        % 算法名稱
        name = 'WOA';
        % 
        a;
        % 
        b;
    end
    
    % 外部可調(diào)用的方法
    methods
        function self = WOA_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 調(diào)用父類構(gòu)造函數(shù)
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='WOA';
            self.a = 2;
            self.b = 1;
        end
    end
    
    % 繼承重寫父類的方法
    methods (Access = protected)
        % 初始化種群
        function init(self)
            init@Algorithm_Impl(self)
            %初始化種群
            for i = 1:self.size
                unit = WOA_Unit();
                % 隨機(jī)初始化位置：rand(0,1).*(max-min)+min
                unit.position = unifrnd(self.range_min_list,self.range_max_list);
                % 計(jì)算適應(yīng)度值
                unit.value = self.cal_fitfunction(unit.position);
                % 將個(gè)體加入群體數(shù)組
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            
            update@Algorithm_Impl(self,iter)
            for i=1:self.size
                if (rand<0.5)
                    self.encircling_prey(i,iter);
                else
                    self.bubble_net(i);
                end
            end
        end     
        
        % 圍獵
        function encircling_prey(self,id,iter)
            A = unifrnd(-1,1,1,self.dim)*self.a*(1-iter/self.iter_max);
            
            if (sqrt(sum(A.^2))<1)
                new_pos = self.position_best - A.*abs(unifrnd(0,2,1,self.dim).*self.position_best-self.unit_list(id).position);
            else
                rand_id = unidrnd(self.size);
                new_pos = self.unit_list(rand_id).position - abs(2*rand*A.*self.unit_list(rand_id).position-self.unit_list(id).position);
            end
            new_pos = self.get_out_bound_value(new_pos);
            new_value = self.cal_fitfunction(new_pos);
            if(new_value>self.unit_list(id).value)
                self.unit_list(id).position = new_pos;
                self.unit_list(id).value = new_value;
            end

        end
        
        % 氣泡網(wǎng)
        function bubble_net(self,id)
            %RL
            rl = unifrnd(-1,1,1,self.dim);
            new_pos = self.position_best + abs(self.position_best - self.unit_list(id).position).*exp(self.b*rl).*cos(pi*2*rl);
            new_pos = self.get_out_bound_value(new_pos);
            new_value = self.cal_fitfunction(new_pos);
            if(new_value>self.unit_list(id).value)
                self.unit_list(id).position = new_pos;
                self.unit_list(id).value = new_value;
            end
        end
        
        % 獲取當(dāng)前最優(yōu)個(gè)體的id
        function best_id=get_best_id(self)
            % 求最大值則降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            best_id = index(1);
        end
        
    end
end

文件名：..\optimization algorithm\algorithm_whale\WOA_Impl.m
算法實(shí)現(xiàn)箱蟆，繼承于Base,圖方便也可不寫，直接用WOA_Base粉私，這里為了命名一致顽腾。

%鯨魚算法實(shí)現(xiàn)
classdef WOA_Impl < WOA_Base
   
    % 外部可調(diào)用的方法
    methods
        function self = WOA_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 調(diào)用父類構(gòu)造函數(shù)設(shè)置參數(shù)
             self@WOA_Base(dim,size,iter_max,range_min_list,range_max_list);
        end
    end 
end

2.測(cè)試

測(cè)試F1
文件名：..\optimization algorithm\algorithm_whale\Test.m

%% 清理之前的數(shù)據(jù)
% 清除所有數(shù)據(jù)
clear all;
% 清除窗口輸出
clc;

%% 添加框架路徑
% 將上級(jí)目錄中的frame文件夾加入路徑
addpath('../frame')

%% 選擇測(cè)試函數(shù)
Function_name='F1';
% [最小值，最大值，維度抄肖，測(cè)試函數(shù)]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

%% 算法實(shí)例
% 種群數(shù)量
size = 50;
% 最大迭代次數(shù)
iter_max = 1000;
% 取值范圍上界
range_max_list = ones(1,dim).*ub;
% 取值范圍下界
range_min_list = ones(1,dim).*lb;

% 實(shí)例化鯨魚算法類
base = WOA_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告訴算法求不是求最大值
base.is_cal_max = false;
% 確定適應(yīng)度函數(shù)
base.fitfunction =fobj;
% 運(yùn)行
base.run();

%% 繪制圖像
figure('Position',[500 500 660 290])
% Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
% Draw objective space
subplot(1,2,2);
% 繪制曲線
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 將坐標(biāo)軸調(diào)整為緊湊型
axis tight
% 添加網(wǎng)格
grid on
% 四邊都顯示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);