通过WOA鲸鱼优化算法优化神经网络权值参数的仿真，matlab2021a仿真测试。 inputs=input'; targets=target'; m=length(inputs(:,1)); o=length(targets(:,1)); n=10; net=feedforwardnet(n); net=configure(net,inputs,targets); kk=m*n+n+n+o;

通过WOA鲸鱼优化算法测试22个标准目标函数的最小值输出收敛曲线和搜索结果

基于WOA鲸鱼优化的5G通信系统资源分配优化，matlab2021a仿真

多目标非排序鲸鱼优化算法 (MOWOA) (NSWOA) MATLAB 代码

鲸鱼算法（Whale Optimization Algorithm）是根据鲸鱼围捕猎物的行为而提出的算法。鲸鱼是一种群居的哺乳动物，在捕猎时它们也会相互合作对猎物进行驱赶和围捕。

基于准确高效地提高校园安全状况评价的精度，采用了鲸鱼优化算法（WOA）改进极限学习机的高校校园安全评价模型，通过将安全管理、校园环境和校园周边环境3个一级指标和影响校园安全的22个因素的二级评价指标得分和高校校园安全综合得分分别作为WOA-ELM的输入和输出，鲸鱼优化算法寻找极限学习机的最优初始权值和隐含层偏置，建立一种高校校园安全的WOA-ELM评价模型。研究结果表明，与GA-ELM、PSO-ELM和ELM相比，WOA-ELM模型的高校校园安全评价精度可以达到99.2%，为高校校园安全评价提供了新的方法。

基于混合策略改进的鲸鱼优化算法.rar

Maltlab鲸鱼算法求解带时间窗的路径路径优化问题源码，解析详细

提出了两种约束的多目标元启发式方法。 1）基于成功历史的自适应多目标差分进化算法（SHAMODE）是基于成功历史的自适应多变量进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略和非支配排序算法。 2）基于成功历史的鲸鱼优化自适应多目标差分进化算法（SHAMODE-WO）是基于成功历史的自适应差分进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略，非支配排序算法和其他功能。鲸鱼优化算法（WOA）中的种群更新运算符。 该算法发布在： Panagant，N.，Bureerat，S.，＆Tai，K.（2019年）。 一种新颖的自适应混合多目标元启发式结构桁架的可靠性设计，同时具有拓扑，形状和尺寸优化设计变量。 结构和多学科优化，60（5），1937-1955。 DOI： https ： //doi.org/10.1007/s00158-019-02302-x

【lstm预测】基于鲸鱼优化算法改进的lstm预测matlab源码.zip