牛奶脂肪含量的高低会影响人的身体健康。 以牛奶脂肪含量作为分析指标, 应用图像处理技术分析高光谱数据, 利用ENVI软件从高光谱图像中提取感兴趣区域(ROI), 采用不同的预处理方法对光谱数据建立偏最小二乘回归(PLSR)模型并比较得出最佳的预处理方法, 然后采用不同的主成分个数对预处理后的数据进行特征提取并建立支持向量回归机(SVR)模型, 通过比较得出最佳的主成分个数, 最后对特征提取后的数据建立SVR预测模型对牛奶中脂肪含量进行分析。 由于传统的SVR模型预测效果不好, 不能满足人们对于预测模型的基本要求, 故提出一种混合策略改进的鲸鱼优化算法对SVR预测模型进行优化, 将经过混合策略改进的鲸鱼优化算法优化后的SVR模型的评价参数与经过遗传算法、 传统的鲸鱼优化算法、 精英反向学习优化的鲸鱼优化算法优化后的SVR模型的评价参数进行了比较。 结果表明: 经混合策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集决定系数(R2)的值分别为0.998和0.995, 均方根误差(RMSE)的倒数1/RMSE的值分别为13.766和6.191, 平均绝对误差(MAE)的倒数1/MAE的值分别为13.910和11.422; 经传统的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R2的值分别为0.998和0.989, 1/RMSE的值分别为13.526和5.849, 1/MAE的值分别为13.616和7.037; 经精英反向学习策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R2的值分别为0.998和0.988, 1/RMSE的值分别为12.474和6.421, 1/MAE的值分别为15.003和10.554。 由以上结果说明混合策略改进的鲸鱼优化算法优化SVR预测模型是可行的, 优化后的SVR模型具有更好的预测效果。

FBG形状传感器的铺设角度偏差导致曲率和挠率测量误差，进而影响形状传感器的重构精度。针对该问题，文章提出了一种基于鲸鱼优化算法(Whale Optimization Algorithm，WOA)的FBG铺设角度偏差自矫正模型。重构实验验证了所提方法的有效性，不同形状的远端重构误差分别从11.66和22.6mm降低至5.63和10.47mm，相对误差分别从2.56%和4.96%降低至1.21%和2.25%，相对误差从2.56%和4.96%降低至0.95%和2.06%。

本文提出了一种基于融合改进策略的快速鲸鱼优化算法（FWOA），用于解决室内可见光通信（VLC）系统中光信号分布不均匀的问题。该算法通过反向学习和非线性收敛因子提升了收敛速度，采取扰动搜索机制实现全局寻优。在考虑发光二极管（LED）部署高度的光源布局和功率分配方面，采取了同步优化方案。实验结果表明，在优化16个LED布局模型后，系统照度均匀度提升了7.39%~109.03%，接收功率的品质因子由5.25提高到12.23，同步优化后进一步提高至15.12。此外，实验发现，当LED数量存在限制时，通过选择合适的LED数量，可以在系统能量和性能之间达到较好的平衡。

雷达通信一体化有利于提高设备硬件资源利用率和频谱利用率，改善频谱拥挤现象，成为近年来研究的热点。针对直接信息调制一体化信号旁瓣较高、扩频信息调制一体化信号带宽较大的缺点，提出了一种加权预处理一体化波形优化方法。分析了多符号正交频分复用雷达通信一体化信号的模糊函数及其相关函数对模糊函数的影响，利用鲸鱼优化算法选择加权系数来改善原始序列的自相关和互相关特性，进而优化模糊函数的峰值旁瓣比性能。仿真结果表明，所提的一体化波形设计方法带宽更小，同时峰值旁瓣比性能进一步得到优化，通信速率和误比特率性能满足通信需求，具有较好的雷达通信一体化性能。

为了避免原鲸鱼优化算法早熟收敛、易陷入局部最优等缺陷, 首先在原鲸鱼优化算法初始化过程中采用了猫映射产生混沌序列结合反向解方法取代随机产生初始种群; 其次在位置更新机制上采用了疯狂算子和黄金正弦算法的方法; 最后将改进鲸鱼优化算法用于寻求图像2维最大熵来确定图像分割最佳阈值的选取。对10个经典基准函数进行了试验仿真验证, 得到了原鲸鱼优化算法在初始种群多样性及寻解遍历性上有所增加, 全局搜索能力提高和摆脱局部最优的结果。结果表明, 改进算法能得到函数最优值0, 0.00030, -3.32; 改进算法在寻优能力和稳定性等方面有较大提升, 能实现对目标图像精确分割且耗时少。该研究为群智能算法应用于图像分割提供了参考。

针对由于室内照度不均匀导致的通信性能不均衡的问题，提出基于一种新型的启发式优化算法——鲸鱼优化算法（WOA）的LED布局设计方案，即利用WOA算法的收敛速度快、全局寻优能力强、求解效率高等优点对LED布局进行优化。首先，以室内照度均匀度为目标函数，迭代优化得到LED布局；其次，根据优化后的布局，对室内光照度、接收功率、误码率进行仿真分析；最后，将WOA算法和遗传算法（GA）的收敛曲线进行比较。在布置有4个LED阵列的房间中，经WOA算法优化布局的照度均匀度比GA算法提高了12.8%，平均接收功率优于GA算法0.659 8 dBm，并且WOA算法的收敛速度更快，最终收敛值更优。因此，考虑照明和通信，WOA算法是更好的选择。

针对线性混叠信号中独立源的盲提取问题，提出一种基于鲸鱼优化和主成分分析的有序盲提取算法。该算法以信号峰度绝对值大小作为目标函数，利用鲸鱼优化算法计算抽取向量，同时利用主成分分析对混合信号降维，去除混合信号中存在的关于已提取信号的成分，从而按照源信号峰度顺序进行盲提取。仿真实验表明，提出的算法对盲信号提取是有效的，而且提取精度是较高的，有一定的实际应用价值。

为提高水质光谱分析模型的学习速度与预测精度, 采用核极限学习机对水质光谱进行建模, 并提出一种具有动态惯性权重的改进鲸鱼优化算法对模型进行参数优化。由于极限学习机的输入权值矩阵和偏置是随机生成的, 故引入核方法以减小其输出权值矩阵的波动; 将鲸鱼优化算法中的惯性权重在非线性递减的基础上引入随机因子, 通过动态调整惯性权重以平衡算法的全局搜索能力与局部开发能力。与传统优化模型进行了对比实验, 实验结果表明: 基于该方法所建模型具有更高的预测精度, 而在相同的学习迭代次数下, 核极限学习机的运行时间相对于传统算法约下降50%, 且改进鲸鱼优化算法能够以更快的收敛速度使模型达到全局最优。