鲸鱼迁徙算法优化大规模物流路径规划问题

1. 项目背景与问题定义

大规模单仓库多旅行商问题（Large-Scale Single-Depot Multiple Traveling Salesman Problem, LS-SDMTSP）是传统TSP问题的扩展变种，在物流配送、无人机巡检、智能制造等领域具有广泛应用。该问题的典型场景是：一个中心仓库需要向数百个分散的客户点送货，由多辆车辆共同完成配送任务，每辆车从仓库出发最后返回仓库，要求所有客户点被访问且只被访问一次，同时优化总行驶距离或时间等目标。

与传统MTSP相比，LS-SDMTSP的挑战在于：

• 客户点规模通常达到500-10000个，属于NP难问题
• 需要平衡各车辆的行驶距离（负载均衡）
• 可能存在时间窗、容量限制等额外约束
• 实时性要求高，需要在有限时间内获得满意解

2. 鲸鱼迁徙算法原理与改进

鲸鱼迁徙算法（Whale Migration Algorithm, WMA）是受座头鲸群体迁徙行为启发的新型群智能算法。与传统鲸鱼优化算法（WOA）不同，WMA特别模拟了以下三个关键行为：

2.1 领导鲸引导机制

鲸群中经验丰富的领导鲸会通过特定频率的声波指引迁徙方向。算法中表现为：

matlab复制% 领导鲸位置更新公式
leader_pos = best_pos + A * D; 
D = |C * best_pos - current_pos|;
A = 2 * a * r - a;  % a线性递减从2到0
C = 2 * r;

2.2 群体协作捕食

鲸鱼通过气泡网战术协同捕食，算法实现为：

matlab复制% 气泡网攻击模拟
if rand() < p
    distance = |best_pos - current_pos|;
    new_pos = distance * exp(b * l) * cos(2 * pi * l) + best_pos;
end

2.3 动态迁徙路径调整

鲸群会根据环境变化实时调整路径，对应算法的自适应参数：

matlab复制a = 2 - iter * (2 / max_iter);  % 线性递减
b = 1;  % 螺旋形状常数
l = (a - 1) * rand() + 1;  % 随机参数

针对