正文

改进鲸鱼算法路径规划（鲸鱼算法的优缺点）

发布时间：2023-04-12 17:51:41 稿源：创意岭阅读： 50

大家好！今天让创意岭的小编来大家介绍下关于改进鲸鱼算法路径规划的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、优化算法笔记（二）优化算法的分类
2、鲸鱼优化算法和灰狼优化算法哪个好
3、优化算法笔记（十二）烟花算法
4、放生发明，比如：鲸鱼——潜水艇

改进鲸鱼算法路径规划（鲸鱼算法的优缺点）

一、优化算法笔记（二）优化算法的分类

（以下描述，均不是学术用语，仅供大家快乐的阅读）

在分类之前，我们先列举一下常见的优化算法（不然我们拿什么分类呢？）。

1遗传算法Genetic algorithm

2粒子群优化算法Particle Swarm Optimization

3差分进化算法Differential Evolution

4人工蜂群算法Artificial Bee Colony

5蚁群算法Ant Colony Optimization

6人工鱼群算法Artificial Fish Swarm Algorithm

7杜鹃搜索算法Cuckoo Search

8萤火虫算法Firefly Algorithm

9灰狼算法Grey Wolf Optimizer

10鲸鱼算法Whale Optimization Algorithm

11群搜索算法Group search optimizer

12混合蛙跳算法Shuffled Frog Leaping Algorithm

13烟花算法fireworks algorithm

14菌群优化算法Bacterial Foraging Optimization

以上优化算法是我所接触过的算法，没接触过的算法不能随便下结论，知之为知之，不知为不知。其实到目前为止优化算法可能已经有几百种了，我们不可能也不需要全面的了解所有的算法，而且优化算法之间也有较大的共性，深入研究几个之后再看其他优化算法上手速度会灰常的快。

优化算法从提出到现在不过50-60年（遗传算法1975年提出），虽种类繁多但大多较为相似，不过这也很正常，比较香蕉和人的基因相似度也有50%-60%。当然算法之间的相似度要比香蕉和人的相似度更大，毕竟人家都是优化算法，有着相同的目标，只是实现方式不同。就像条条大路通罗马，我们可以走去，可以坐汽车去，可以坐火车去，也可以坐飞机去，不管使用何种方式，我们都在去往罗马的路上，也不会说坐飞机去要比走去更好，交通工具只是一个工具，最终的方案还是要看我们的选择。

上面列举了一些常见的算法，即使你一个都没见过也没关系，后面会对它们进行详细的介绍，但是对后面的分类可能会有些许影响，不过问题不大，就先当总结看了。

再对优化算法分类之前，先介绍一下算法的模型，在笔记（一）中绘制了优化算法的流程，不过那是个较为简单的模型，此处的模型会更加复杂。上面说了优化算法有较大的相似性，这些相似性主要体现在算法的运行流程中。

优化算法的求解过程可以看做是一个群体的生存过程。

有一群原始人，他们要在野外中寻找食物，一个原始人是这个群体中的最小单元，他们的最终目标是寻找这个环境中最容易获取食物的位置，即最易存活下来的位置。每个原始人都去独自寻找食物，他们每个人每天获取食物的策略只有采集果实、制作陷阱或者守株待兔，即在一天之中他们不会改变他们的位置。在下一天他们会根据自己的策略变更自己的位置。到了某一天他们又聚在了一起，选择了他们到过的最容易获取食物的位置定居。

一群原始人=优化算法中的种群、群体；

一个原始人=优化算法中的个体；

一个原始人的位置=优化算法中个体的位置、基因等属性；

原始人变更位置=优化算法中总群的更新操作；

该位置获取食物的难易程度=优化算法中的适应度函数；

一天=优化算法中的一个迭代；

这群原始人最终的定居位置=优化算法所得的解。

优化算法的流程图如下：

对优化算法分类得有个标准，按照不同的标准分类也会得到不一样的结果。首先说一下我所使用的分类标准（动态更新，有了新的感悟再加）：

按由来分类比较好理解，就是该算法受何种现象启发而发明，本质是对现象分类。

可以看出算法根据由来可以大致分为有人类的理论创造而来，向生物学习而来，受物理现象启发。其中向生物学习而来的算法最多，其他类别由于举例有偏差，不是很准确，而且物理现象也经过人类总结，有些与人类现象相交叉，但仍将其独立出来。

类别分好了，那么为什么要这么分类呢？

当然是因为要凑字数啦，啊呸，当然是为了更好的理解学习这些算法的原理及特点。

向动物生存学习而来的算法一定是一种行之有效的方法，能够保证算法的效率和准确性，因为，如果使用该策略的动物无法存活到我们可以对其进行研究，我们也无法得知其生存策略。（而这也是一种幸存者偏差，我们只能看到行之有效的策略，但并不是我们没看到的策略都是垃圾，毕竟也发生过小行星撞地球这种小概率毁灭性事件。讲个冷笑话开cou心zhi一shu下:一只小恐龙对他的小伙伴说，好开心，我最喜欢的那颗星星越来越亮了（完）。）但是由于生物的局限性，人们所创造出的算法也会有局限性：我们所熟知的生物都生存在三维空间，在这些环境中，影响生物生存的条件比较有限，反应到算法中就是这些算法在解决较低维度的问题时效果很好，当遇到超高维（维度>500）问题时，结果可能不容乐观，没做过实验，我也不敢乱说。

按更新过程分类相对复杂一点，主要是根据优化算法流程中更新位置操作的方式来进行分类。更新位置的操作按我的理解可大致分为两类：1.跟随最优解；2.不跟随最优解。

还是上面原始人的例子，每天他有一次去往其他位置狩猎的机会，他们采用何种方式来决定今天自己应该去哪里呢？

如果他们的策略是“跟随最优解”，那么他们选取位置的方式就是按一定的策略向群体已知的最佳狩猎位置（历史最佳）或者是当前群体中的最佳狩猎位置（今天最佳）靠近，至于是直线跑过去还是蛇皮走位绕过去，这个要看他们群体的策略。当然，他们的目的不是在最佳狩猎位置集合，他们的目的是在过去的途中看是否能发现更加好的狩猎位置，去往已经到过的狩猎地点再次狩猎是没有意义的，因为每个位置获取食物的难易程度是固定的。有了目标，大家都会朝着目标前进，总有一日，大家会在谋个位置附近相聚，相聚虽好但不利于后续的觅食容易陷入局部最优。

什么是局部最优呢？假设在当前环境中有一“桃花源”，拥有上帝视角的我们知道这个地方就是最适合原始人们生存的，但是此地入口隐蔽“山有小口，仿佛若有光”、“初极狭，才通人。”，是一个难以发现的地方。如果没有任何一个原始人到达了这里，大家向着已知的最优位置靠近时，也难以发现这个“桃源之地”，而当大家越聚越拢之后，“桃源”被发现的可能性越来越低。虽然原始人们得到了他们的解，但这并不是我们所求的“桃源”，他们聚集之后失去了寻求“桃源”的可能，这群原始人便陷入了局部最优。

如果他们的策略是“不跟随最优解”，那么他们的策略是什么呢？我也不知道，这个应该他们自己决定。毕竟“是什么”比“不是什么”的范围要小的多。总之不跟随最优解时，算法会有自己特定的步骤来更新个体的位置，有可能是随机在自己附近找，也有可能是随机向别人学习。不跟随最优解时，原始人们应该不会快速聚集到某一处，这样一来他们的选择更具多样性。

按照更新过程对上面的算法分类结果如下

可以看出上面不跟随最优解的算法只有遗传算法和差分进化算法，他们的更新策略是与进化和基因的重组有关。因此这些不跟随最优解的算法，他们大多依据进化理论更新位置（基因）我把他们叫做进化算法，而那些跟随群体最优解的算法，他们则大多依赖群体的配合协作，我把这些算法叫做群智能算法。

目前我只总结了这两种，分类方法，如果你有更加优秀的分类方法，我们可以交流一下：

上一篇优化算法笔记（一）优化算法的介绍

下一篇优化算法笔记（三）粒子群算法（1）

二、鲸鱼优化算法和灰狼优化算法哪个好

灰狼算法好。灰狼优化算法由Mirjalili等人于2014年提出，主要模仿了自然界中灰狼群体的捕食过程。

三、优化算法笔记（十二）烟花算法

（以下描述，均不是学术用语，仅供大家快乐的阅读）

烟花算法（Firework Algorithm,FWA）是一种受烟花爆炸产生火星，并继续分裂爆炸这一过程启发而得出的算法。算法的思想简单，但具体实现复杂。算法提出时间并不长，但是已经有了不少的改进研究和较为全面的应用。

烟花算法中，每一个烟花的位置都代表了一个可行解。烟花的爆炸产生的火星有两种，正常的火星与特别的火星。每个火星都会爆炸产生数个正常火星，某些火星有一定的概率产生一个特别的火星。正常的火星根据当前火星的振幅随机均匀分布在该火星的周围，而特别的火星将在当前火星附近以正态分布方式产生。每次迭代产生的火星数量多于每一代应有的火星数，算法将参照火星位置的优劣，随机留下指定数量的火星，已保持火星数目的稳定。

烟花算法的主角毫无疑问就是烟花了。

式（1）为适应度值越小越优的情况，而式（2）则是适应度值越大越优的情况。为一个极小的值，以保证分母不为0。

每个火星产生的正常火星数量也由其适应度值来决定。

其中表示第i个火星将要产生的正常火星数，是产生正常火星的总数为一个常数，从式（3）,（4）可以看出适应度值越好的火星能够产生更多的正常火星，反之，火星适应度越差，能够产生的火星数越少。

由于式（3），（4）计算出的值为小数，烟花算法中使用式（5）将其转化为整数。

从式（3）和式（4）中可以看出，在每一代中将会产生出个正常火星。产生的正常火星的位置与当前火星的振幅有关，可以从式（1），（2）看出，适应度越优的火星的振幅越小，那么它产生的正常火星将在它自己周围，而适应度越差的火星的振幅越大，它产生的正常火星将会出现在离自己较远的位置。

当前火星每次爆炸会从D维搜索空间内随机选择z维进行更新从而产生新的火星。正常火星的位置由如下公式产生。

其中z为取值1-D的均匀随机正整数，rand(-1,1)表示-1到1内的均匀随机数。从式(6)中可以看出，正常火星的位置与其振幅有直接关系，振幅越大产生的新火星距当前火星的距离约远。

每次迭代过程中，会产生m个特别的火星，即在这N个火星中随机选择m个火星，每个火星产生一个特别的火星。特别的火星的由下面的公式产生：

由上面的过程可知，在每一代中，有N个火星，将会产生出个正常火星以及m个特别的火星。但是每一代中只能从这个火星中选择N个火星保留至下一代。

每次会先从个火星中选择最优的火星保留至下一代，然后再从中选择N-1个火星。选择某个火星的概率如下：

其中R(X)表示该火星距其他所有火星的距离之和，即距其它火星越远的火星，被选择保留至下一代的概率较大。

个火星，而且

,所有烟花算法每次迭代的计算复杂度要大于其他算法，这简直就是一个作弊行为。别的算法每次只搜索了N个位置，而烟花算法却搜索了个位置。与其他优化算法对比时，其他算法的种群数量应该取，否则这将是一场不公正的对决。

适应度函数还是这个简单的小白鼠

实验一 ：标准烟花算法

以上数据来自原论文，现在看一看实验的图像以及实验结果。

从图像可以看出每次只选择保留了5个火星，它们的收敛速度很慢，实验结束时距离目标点还有一段距离。

看看实验结果

从实验结果可以看出，算法的性能很不稳定，而造成这一点的原因很可能是其收敛速度较慢，算法仍在收敛过程中，所以结果看上去很差。将最大迭代次数修改为100代，重新试验，其结果如下：

结果好了一些但还是难以接受，为什么烟花算法的结果不理想呢？

原因可能是保留机制（2.3节）的问题，烟花算法中保留火星的概率是根据该火星与其他火星的距离和，距离群体越大的个体被保留下的概率越大。这样做有什么好处呢？好处是火星相对分散，这是一个对抗局部最优的策略，但是，距离群体较远的个体是一个较差的个体的概率非常大，坏处就是，集中于当前最优位置的火星被保留的概率较小，算法的局部搜索能力将较弱。

实验二 . 随机选择的方式保留火星

为了加快烟花算法的收敛速度，增强局部搜索能力，我移除了标准烟花算法的选择过程，使用随机选择的方式保留火星，当然，最优个体依然会被保留至下一代。其他参数保持不变。

可以看出这次的图像相比实验一收敛速度快了不少，在迭代结束时已经相对在一个较小的区域。这次的结果也明显优于实验一。将选择过程改为随机选择后，由于较优的火星产生的较多且分布在自己周围，因此选择到这些较优的火星的概率也相对较大，算法的收敛速度相对较快。与此同时，算法跳出局部最优的能力比修改前要弱。

对于较简单的问题来说当然是随机选择收敛较快结果较好，而复杂的问题则需要更强的跳出局部最优能力。问题的关键仍然是，我们无法在一开始就知道问题的复杂程度。

实验三 .增加火星的种群数量，减少每代产生的正常火星总数

为什么要减少产生的正常火星数，这样算法搜索的次数减少了，效果不会更差吗？其实与直觉相反，减少正常火星总数，增加火星总群数，实际上是让较优的火星产生的正常火星被保留下来的概率变大了，这样也可以解决实验一中的问题，加快算法的收敛速度。

从图像中可以看出，算法在50代之前已经收敛，但是之后只在小范围内进行搜索。实验图像与之前的描述相符，收敛速度加快但是跳出局部最优能力减弱。看看实验结果，实验结果好了不少且结果更加稳定。

其实实验二与实验三，使用了不同的策略，但都达到了同样的目的——保留更多的优质火星到下一代，它们促进了局部搜索但是挤占了较劣火星的位置，削弱了种群的多样性。

每代留下的火星多了，图像看上去是不是更像烟花？

烟花算法的探究远不止如此，几年前作为一个较新的算法来学习时却已经有了大量的论文和书籍，可见大家对烟花算法已经有了较为深入的研究，而我能做的只是应用算法解决问题以及稍作改进让算法与问题的适应性更高。

烟花算法产生正常火星的过程为算法提供了搜索能力，产生特殊火星的过程和选择过程为算法提供了跳出局部最优的能力。但是个人认为选择过程与其他过程的适应性不是很好。标准的选择过程会丢失掉许多较优的个体，使之前产生的正常火星得到的成果没有保留。

烟花算法其实还有比较多的改进点，对算法产生最大的参数应该就是正常火星的总数以及振幅了。简单粗暴的改进：在每一代可以对这两个参数进行变化或者随机化，让算法的搜索能力与跳出局部最优能力在整个流程中动态变化，以均衡两种能力。

以下指标纯属个人yy,仅供参考

参考文献

Tan Y , Zhu Y . Fireworks Algorithm for Optimization[C]// Advances in Swarm Intelligence, First International Conference, ICSI 2010, Beijing, China, June 12-15, 2010, Proceedings, Part I. Springer-Verlag, 2010. 提取码：yaj0

上一篇优化算法笔记（十一）群搜索算法

下一篇优化算法笔记（十三）鲸鱼算法

优化算法matlab实现（十二）烟花算法matlab实现

四、放生发明，比如：鲸鱼——潜水艇

乌贼和鱼雷诱饵乌贼体内的囊状物能分泌黑色液体，遇到危险时它便释放出这种黑色液体，诱骗攻击者上当。潜艇设计者们仿效乌贼的这一功能读者设计出了鱼雷诱饵。鱼雷诱醋似袖珍潜艇，可按潜艇的原航向航行，航速不变，也可模拟噪音、螺旋节拍、声信号和多普勒音调变化等。正是它这种惟妙惟肖的表演，令敌潜艇或攻击中的鱼雷真假难辩，最终使潜艇得以逃脱。

蜘蛛和装甲生物学家发现蜘蛛丝的强度相当于同等体积的钢丝的5倍。受此启发，英国剑桥一所技术公司试制成犹如蜘蛛丝一样的高强度纤维。用这种纤维做成的复合材料可以用来做防弹衣、防弹车、坦克装甲车等结构材料。

长颈鹿和“抗荷服” 长颈鹿是目前世界上最高的动物，其大脑和心脏的距离约3米，完全是靠高达160~260毫米汞柱的血压把血液送到大脑的。按一般分析，当长颈鹿低头饮水时，大脑的位置低于心脏，大量的血液会涌入大脑，使血压更加增高，那么长颈鹿会在饮水时得脑充血或血管破烈等疾病而死。但是裹在长颈鹿身上的一层、厚皮紧紧箍住了血管，限制了血压，飞机设计师和航空生物学家依照长颈鹿皮肤原理，设计出一种新颖的“抗荷服”，从而解决了超高速歼击机驾驶员在突然加速爬升时因脑部缺血而引起的痛苦。这种“抗荷服”内有一装置，当飞机加速时可压缩空气，也能对血管产生相应的压力，这比长颈鹿的厚皮更高明了。

鲸鱼和潜艇的“鲸背效应” 当代核潜艇能长时间潜航于冰海之下，但若在冰下发射导弹，则必须破冰上浮，这就碰到了力学上的难题。潜舴专家从鲸鱼每隔10分钟必须破冰呼吸一次中得到启迪，在潜艇顶部突起的指挥台围壳和上层建筑方面，作了加强材料力度和外形仿鲸背处理，果然取得了破冰时的“鲸背效应”。

蝴蝶和卫星控温系统遨游太空的人造卫星，当受到阳光强烈辐射时，卫星温度会高达200摄氏度；而在阴影区域，卫星温度会下降至零下200摄氏度左右，这很容易烤坏或冻坏卫星上的精密仪器仪表，它一度曾使航天科学家伤透了脑筋。后来，人们从蝴蝶身上受到启迪。原来，蝴蝶身体表面生长着一层细小的鳞片，这些鳞片有调节体温的作用。每当气温上升、阳光直射时，鳞片自动张开，以减少阳光的辐射角度，从而减少对阳光热能的吸收；当外界气温下降时，鳞片自动闭合，紧贴体表，让阳光直射鳞片，从而把体温控制在正常范围之内。科学家经过研究，为人造地球卫星设计了一种犹如蝴蝶鳞片般的控温系统

生物学家通过对蛛丝的研究制造出高级丝线，抗撕断裂降落伞与临时吊桥用的高强度缆索。船和潜艇来自人们对鱼类和海豚的模仿。

响尾蛇导弹等就是科学家模仿蛇的“热眼”功能和其舌上排列着一种似照相机装置的天然红外线感知能力的原理，研制开发出来的现代化武器。

火箭升空利用的是水母、墨鱼反冲原理。

科研人员通过研究变色龙的变色本领，为部队研制出了不少军事伪装装备。

科学家研究青蛙的眼睛，发明了电子蛙眼。

白蚁不仅使用胶粘剂建筑它们的土堆，还可以通过头部的小管向敌人喷射胶粘剂。于是人们按照同样的原理制造了工作的武器—一块干胶炮弹。

美国空军通过毒蛇的“热眼”功能，研究开发出了微型热传感器。

我国纺织科技人员利用仿生学原理，借鉴陆地动物的皮毛结构，设计出一种KEG保温面料，并具有防风和导湿的功能。

根据响尾蛇的颊窝能感觉到0.001℃的温度变化的原理，人类发明了跟踪追击的响尾蛇导弹。人类还利用蛙跳的原理设计了蛤蟆夯。人类模仿警犬的高灵敏嗅觉制成了用于侦缉的“电子警犬”。科学家根据野猪的鼻子测毒的奇特本领制成了世界上第一批防毒面具。

仿生学是人类一直使用的方法，如模仿海豚皮而构造的"海豚皮游泳衣"、科学家研究鲸鱼的皮肤时，发现其上有沟漕的结构，于是有个科学家就依照鲸鱼皮构造，造成一个薄膜蒙在飞机的表面，据实验可节约能源3%，若全国的飞机都蒙上这样的表面，每年可节约几十亿。又如有科学家研究蜘蛛，发现蜘蛛的腿上没有肌肉，有脚的动物会走，主要是靠肌肉的收缩，现在蜘蛛没有肌肉为什么会走路？经研究蜘蛛不是靠肌肉的收缩进行走路的，而是靠其中的"液压"的结构进行走路，据此人们发明了液压步行机……总之,从自然界得到启迪,模仿其结构进行发明创造.这就是仿生学. 这是我们向自然界学习的一个方面。

另一方面,我们还可以从自然的规律中得到启迪,利用其原理进行设计(包括设计算法),这就是智能计算的思想。

智能计算

智能计算,也有人称之为"软计算"，就是借用自然界（生物界）规律的启迪，根据其原理，模仿设计求解问题的算法。如：人工神经网络技术、遗传算法、进化规划、模拟煺火技术和群集智能技术等。

群集智能（Swarm Intelligence）

群居昆虫以集体的力量，进行觅食、御敌、筑巢的能力。这种群体所表现出来的"智能"，就称之为群体智能。如蜜蜂采蜜、筑巢、蚂蚁觅食、筑巢等。从群居昆虫互相合作进行工作中，得到启迪，研究其中的原理，以此原理来设计新的求解问题的算法。

蚂蚁算法

蚂蚁觅食时，在它走过的路上，留下外激素，这些外激素就象留下路标一样，留给后来"蚁"一个路径的标志。后面的蚂蚁，就会沿着有外激素的路径行走（外激素越多引诱蚂蚁的能力就越强）。科学家们对此进行过试验：用人造的外激素在纸上画上一条路径，对蚂蚁进行试验。结果蚂蚁果然都沿画有外激素的路径行走。

蚁穴 A

C 食物

蚂蚁寻食时，由蚁穴出发，可沿AC，也可沿ABC（见上图），设各蚂蚁寻到食物后沿原路回穴，并在路上留下外激素，那么因AC路径短，故当它们沿AC返回时，就在AC上留下两次外激素。而沿ABC返回者，因其路径长，仅回到D点，于是AD一段只留过一次外激素（即其上的外激素的浓度比AC上的浓度淡），故这时从蚁穴出来寻食者就会沿浓度大的路径AC行走……最后大多数的蚂蚁都会沿较短的路程进行寻食. 利用这个原理科学者们就设计了蚂蚁算法(进行求最短程)。

上面是个简单的原理,当然要设计出切实可行的算法,还要将模型进一步精确,如要计及外激素的挥发(即激素的浓度将随时间而逐步降低等等).

用蚂蚁算法求最短程

1.一群蚂蚁随机从出发点出发，遇到食物，衔住食物，沿原路返回

2. 蚂蚁在往返途中，在路上留下外激素标志

3. 外激素将随时间逐渐蒸发（一般可用负指数函数来描述，即乘上因子e-at）

4. 由蚁穴出发的蚂蚁,其选择路径的概率与各路径上的外激素浓度成正比

蚂蚁算法还可以应用于很多实际问题，例如用于重建通讯路由，管理公司的电话网，对用户记帐收费等工作，任务分配问题等

不要停，继续思索

进一步，将每个蚂蚁看成是一个神经元，它们之间的通讯联络，看成是各神经元之间的连接，只不过这时的连接不是固定的，而是随机的。即用一个随机连接的神经网络来描述一个群体。这种神经网络所具有的性质，就是群体的智能

科学家们从蜻蜓翅膀末端的一块比周围略大一些的厚斑点得到了启示，从而解决了飞机机翼因剧烈抖动而破碎的现象。

蝴蝶

五彩的蝴蝶颜色粲然，如重月纹凤蝶、褐脉金斑蝶等，尤其是萤光翼凤蝶，其后翊在阳光下时而金黄，时而翠绿，有时还由紫变蓝。科学家通过对蝴蝶色彩的研究，为军事防御带来了极大的稗益。在二战期间，德军包围了列宁格勒，企图用轰炸机摧毁其军事目标和其他防御设施。苏联昆虫学家施万维奇根据当时人们对伪装缺乏认识的情况，提出利用蝴蝶的色彩在花丛中不易被发现的道理，在军事设施上覆盖蝴蝶花纹般的伪装。因此，尽管德军费尽心机，但列宁格勒的军事基地仍然无恙，为赢得最后的胜利奠定了坚实的基础。根据同样的原理，后来人们还生产出了迷彩服，大大减少了战斗中的伤亡。

人造卫星在太空中由于位置的不断变化可引起温度骤然变化，有时温差可高达两、三百度，严重影响许多仪器的正常工作。科学家们受蝴蝶身上的鳞片会随阳光的照射方向自动变换角度而调节体温的启发，将人造卫星的控温系统制成了叶片反两面辐射、散热能力相差很大的百叶窗样式，在每扇窗的转动位置安装有对温度敏感的金属丝，随温度变化可调节窗的开合，从而保持了人造卫星内部温度的恒定，解决了航天事业中的一大难题。

甲虫

甲虫自卫时，可喷射出具有恶臭的高温液体“炮弹”，以迷惑、刺激和惊吓敌害。科学家将其解剖后发现甲虫体内有3个小室，分别储有二元酚溶液、双氧水和生物酶。二元酚和双氧水流到第三小室与生物酶混合发生化学反应，瞬间就成为100℃的毒液，并迅速射出。这种原理目前已应用于军事技术中。二战期间，德国纳粹为了战争的需要，据此机理制造出了一种功率极大且性能安全可靠的新型发动机，安装在飞航式导弹上，使之飞行速度加快，安全稳定，命中率提高，英国伦敦在受其轰炸时损失惨重。美国军事专家受甲虫喷射原理的启发研制出了先进的二元化武器。这种武器将两种或多种能产生毒剂的化学物质分装在两个隔开的容器中，炮弹发射后隔膜破裂，两种毒剂中间体在弹体飞行的8—10秒内混合并发生反应，在到达目标的瞬间生成致命的毒剂以杀伤敌人。它们易于生产、储存、运输，安全且不易失效。萤火虫可将化学能直接转变成光能，且转化效率达100%，而普通电灯的发光效率只有6%。人们模仿萤火虫的发光原理制成的冷光源可将发光效率提高十几倍，大大节约了能量。另外，根据甲虫的视动反应机制研制成功的空对地速度计已成功地应用于航空事业中。

蜻蜓

蜻蜓通过翅膀振动可产生不同于周围大气的局部不稳定气流，并利用气流产生的涡流来使自己上升。蜻蜓能在很小的推力下翱翔，不但可向前飞行，还能向后和左右两侧飞行，其向前飞行速度可达72公里/小时。此外，蜻蜓的飞行行为简单，仅靠两对翅膀不停地拍打。科学家据此结构基础研制成功了直升飞机。飞机在高速飞行时，常会引起剧烈振动，甚至有时会折断机翼而引起飞机失事。蜻蜓依靠加重的翅膀在高速飞行时安然无恙，于是人们效仿蜻蜓在飞机的两翼加上了平衡重锤，解决了因高速飞行而引起振动这个令人棘手的问题。

为了研究滑翔飞行和碰撞的空气动力学以及其飞行的效率，一个四叶驱动，用远程水平仪控制的机动机翼（翅膀）模型被研制，并第一次在风洞内测试了各项飞行参数。

第二个模型试图安装一个以更快频率飞行的翅膀，达到每秒18次震动的速度。有特色的是，这个模型采用了可变可调节前后两对机翼之间相差的装置。

研究的中心和长远目标，是要研究使用“翅膀”驱动的飞机表现，以及与传统的螺旋推动器驱动的飞机效率的比较等等。

苍蝇

家蝇的特别之处在于它的快速的飞行技术，这使得它很难被人类抓住。即使在它的后面也很难接近它。它设想到了每一种情况，非常小心，并能快速移动。那么，它是怎么做到的呢？

昆虫学家研究发现，苍蝇的后翅退化成一对平衡棒。当它飞行时，平衡棒以一定的频率进行机械振动，可以调节翅膀的运动方向，是保持苍蝇身体平衡导航仪。科学家据此原理研制成一代新型导航仪——振动陀螺仪，大在改进了飞机的飞行性能，可使飞机自动停止危险的滚翻飞行，在机体强烈倾斜时还能自动恢复平衡，即使是飞机在最复杂的急转弯时也万无一失。苍蝇的复眼包含4000个可独立成像的单眼，能看清几乎360度范围内的物体。在蝇眼的启示下，人们制成了由1329块小透镜组成的一次可拍1329张高分辨率照片的蝇眼照像机，在军事、医学、航空、航天上被广泛应用。苍蝇的嗅觉特别灵敏并能对数十种气味进行快速分析且可立即作出反应。科学家根据苍蝇嗅觉器官的结构，把各种化学反应转变成电脉冲的方式，制成了十分灵敏的小型气体分析仪，目前已广泛应用于宇宙飞船、潜艇和矿井等场所来检测气体成分，使科研、生产的安全系数更为准确、可靠。

蜂类

蜂巢由一个个排列整齐的六棱柱形小蜂房组成，每个小蜂房的底部由3个相同的菱形组成，这些结构与近代数学家精确计算出来的——菱形钝角109○28’，锐角70○32’完全相同，是最节省材料的结构，且容量大、极坚固，令许多专家赞叹不止。人们仿其构造用各种材料制成蜂巢式夹层结构板，强度大、重量轻、不易传导声和热，是建筑及制造航天飞机、宇宙飞船、人造卫星等的理想材料。蜜蜂复眼的每个单眼中相邻地排列着对偏振光方向十分敏感的偏振片，可利用太阳准确定位。科学家据此原理研制成功了偏振光导航仪，被广泛用于航海事业中。

苍蝇、萤火虫、电鱼、水母，见下详述。

第五个：章鱼的吸盘~

仿生学是一门模仿生物的特殊本领，利用生物的结构和功能原理来研制机械或各种新技术的科学。据传说，我国古代著名工匠鲁班，上山伐树时，被丝矛草割破了手。他觉得奇怪，一棵小草怎么会这样厉害？经过仔细观察，他发现丝茅草叶子的边缘长着许多锋利的细齿。于是鲁班发明了木工用的锯子。据推测，古代木船的发明，是从鱼类的游泳得到了启示。在发明飞机的过程中，人们也从虫、鸟的飞行中学到了许多有用的知识。

现在，科学家们正带着定向、导航、探测、能量转换、信息处理、生物合成、结构力学和流体力学等众多的科学难题，到生物界中去寻找启示和答案。

苍蝇与宇宙飞船

令人讨厌的苍蝇，与宏伟的航天事业似乎风马牛不相及，但仿生学却把它们紧密地联系起来了。

苍蝇是声名狼藉的“逐臭之夫”，凡是腥臭污秽的地方，都有它们的踪迹。苍蝇的嗅觉特别灵敏，远在几千米外的气味也能嗅到。但是苍蝇并没有“鼻子”，它靠什么来充当嗅觉的呢? 原来，苍蝇的“鼻子”——嗅觉感受器分布在头部的一对触角上。

每个“鼻子”只有一个“鼻孔”与外界相通，内含上百个嗅觉神经细胞。若有气味进入“鼻孔”，这些神经立即把气味刺激转变成神经电脉冲，送往大脑。大脑根据不同气味物质所产生的神经电脉冲的不同，就可区别出不同气味的物质。因此，苍蝇的触角像是一台灵敏的气体分析仪。

仿生学家由此得到启发，根据苍蝇嗅觉器的结构和功能，仿制成功一种十分奇特的小型气体分析仪。这种仪器的“探头”不是金属，而是活的苍蝇。就是把非常纤细的微电极插到苍蝇的嗅觉神经上，将引导出来的神经电信号经电子线路放大后，送给分析器；分析器一经发现气味物质的信号，便能发出警报。这种仪器已经被安装在宇宙飞船的座舱里，用来检测舱内气体的成分。

这种小型气体分析仪，也可测量潜水艇和矿井里的有害气体。利用这种原理，还可用来改进计算机的输入装置和有关气体色层分析仪的结构原理中。

从萤火虫到人工冷光

自从人类发明了电灯，生活变得方便、丰富多了。但电灯只能将电能的很少一部分转变成可见光，其余大部分都以热能的形式浪费掉了，而且电灯的热射线有害于人眼。那么，有没有只发光不发热的光源呢? 人类又把目光投向了大自然。

在自然界中，有许多生物都能发光，如细菌、真菌、蠕虫、软体动物、甲壳动物、昆虫和鱼类等，而且这些动物发出的光都不产生热，所以又被称为“冷光”。

在众多的发光动物中，萤火虫是其中的一类。萤火虫约有1 500种,它们发出的冷光的颜色有黄绿色、橙色，光的亮度也各不相同。萤火虫发出冷光不仅具有很高的发光效率，而且发出的冷光一般都很柔和，很适合人类的眼睛，光的强度也比较高。因此，生物光是一种人类理想的光。

科学家研究发现，萤火虫的发光器位于腹部。这个发光器由发光层、透明层和反射层三部分组成。发光层拥有几千个发光细胞，它们都含有荧光素和荧光酶两种物质。在荧光酶的作用下，荧光素在细胞内水分的参与下，与氧化合便发出荧光。萤火虫的发光，实质上是把化学能转变成光能的过程。

早在40年代，人们根据对萤火虫的研究，创造了日光灯，使人类的照明光源发生了很大变化。近年来，科学家先是从萤火虫的发光器中分离出了纯荧光素，后来又分离出了荧光酶，接着，又用化学方法人工合成了荧光素。由荧光素、荧光酶、ATP(三磷酸腺苷)和水混合而成的生物光源,可在充满爆炸性瓦斯的矿井中当闪光灯。由于这种光没有电源，不会产生磁场，因而可以在生物光源的照明下，做清除磁性水雷等工作。

现在，人们已能用掺和某些化学物质的方法得到类似生物光的冷光，作为安全照明用。

电鱼与伏特电池

自然界中有许多生物都能产生电，仅仅是鱼类就有500余种。人们将这些能放电的鱼，统称为“电鱼”。

各种电鱼放电的本领各不相同。放电能力最强的是电鳐、电鲶和电鳗。中等大小的电鳐能产生70伏左右的电压,而非洲电鳐能产生的电压高达220伏；非洲电鲶能产生350伏的电压；电鳗能产生500伏的电压，有一种南美洲电鳗竟能产生高达880伏的电压，称得上电击冠军,据说它能击毙像马那样的大动物。

电鱼放电的奥秘究竟在哪里?经过对电鱼的解剖研究，终于发现在电鱼体内有一种奇特的发电器官。这些发电器是由许多叫电板或电盘的半透明的盘形细胞构成的。由于电鱼的种类不同，所以发电器的形状、位置、电板数都不一样。电鳗的发电器呈棱形，位于尾部脊椎两侧的肌肉中；电鳐的发电器形似扁平的肾脏，排列在身体中线两侧，共有200万块电板;电鲶的发电器起源于某种腺体，位于皮肤与肌肉之间,约有500万块电板。单个电板产生的电压很微弱，但由于电板很多，产生的电压就很大了。

电鱼这种非凡的本领，引起了人们极大的兴趣。19世纪初，意大利物理学家伏特，以电鱼发电器官为模型，设计出世界上最早的伏打电池。因为这种电池是根据电鱼的天然发电器设计的,所以把它叫做“人造电器官”。对电鱼的研究，还给人们这样的启示：如果能成功地模仿电鱼的发电器官，那么，船舶和潜水艇等的动力问题便能得到很好的解决。

水母的顺风耳

“燕子低飞行将雨，蝉鸣雨中天放晴。”生物的行为与天气的变化有一定关系。沿海渔民都知道，生活在沿岸的鱼和水母成批地游向大海，就预示着风暴即将来临。

水母，又叫海蜇，是一种古老的腔肠动物，早在5亿年前,它就漂浮在海洋里了。这种低等动物有预测风暴的本能，每当风暴来临前，它就游向大海避难去了。

原来，在蓝色的海洋上，由空气和波浪摩擦而产生的次声波 (频率为每秒8—13次)，总是风暴来临的前奏曲。这种次声波人耳无法听到，小小的水母却很敏感。仿生学家发现，水母的耳朵的共振腔里长着一个细柄，柄上有个小球，球内有块小小的听石，当风暴前的次声波冲击水母耳中的听石时，听石就剌激球壁上的神经感受器，于是水母就听到了正在来临的风暴的隆隆声。

仿生学家仿照水母耳朵的结构和功能，设计了水母耳风暴预测仪，相当精确地模拟了水母感受次声波的器官。把这种仪器安装在舰船的前甲板上，当接受到风暴的次声波时，可令旋转360°的喇叭自行停止旋转,它所指的方向，就是风暴前进的方向；指示器上的读数即可告知风暴的强度。这种预测仪能提前15小时对风暴作出预报，对航海和渔业的安全都有重要帮助

以上就是关于改进鲸鱼算法路径规划相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。