鲸鱼为什么不是鱼

老师说鲸鱼不是鱼，可是它和鱼一样生活在水里，有尾巴、有鳍，那么它为什么不是鱼呢？     

大嘴鲸鱼吃天下

一年一度的“海洋大胃王争霸赛”又开幕啦!经过一天的比拼,鲸类轻轻松松就拿下了冠军。瞧,排行第一的蓝鲸一天之内竟然吃掉T3600千克的食物,足足相当于一个成年人10年的饭量。就连个头不太大的海豚,一天也能吃好几十千克的鱼儿。乖乖,如果你也是枚不折不扣的“吃货”。那你肯定很好奇,这些鲸类到底有什么秘密武器。可以吃追海洋无敌手呢？     

鲸为什么要喷水

A：人们习惯把鲸称为鲸鱼,虽然它生活在海洋中,但鲸可不是鱼哦,它是世界上最大的哺乳动物。和大多数哺乳动物一样,鲸是用肺呼吸的。不过,有趣的是,鲸的鼻孔位于头顶两眼中间。     

鲸鱼肚里逛一卷

什么探险最刺激？攀登世界最高峰球穆朗玛峰？潜入海底最深处马里亚纳海沟？穿越死亡禁地罗布泊？遭遇雨林食人族？NO！NO！NO！这些都比不过一种探险——钻到鲸鱼肚里逛一圈！     

谁是鲸鱼的祖先

鲸鱼是我们非常熟悉的一种动物，但对于它的起源却鲜有提及。谁和鲸鱼的关系最近？对此，分子生物学家和古生物学家有着不同的看法。     

鲸鱼死后……

1970年,俄勒冈州运输部遇到了一个很大的麻烦,确切的说,这个部门要面对一头7.2吨重的鲸鱼。当年11月,一头死去的抹香鲸被海浪冲到俄勒冈州靠近佛罗伦萨市的海岸上。如果您曾经闻到过冰箱里腐肉的臭味,那么请想像一下超过7吨重的肉腐烂后散发出的气味,将是多么恐怖。因此,处理掉这小山般的腐肉的重任就落到了运输部头上。     

听，鲸鱼在哭泣！

海里传来阵阵嚎啕大哭声,除了鲸鱼,还有谁能哭出这么大动静？那是一只小抹香鲸,     

基于混合鲸鱼优化算法的鲁棒多用户检测

针对冲击噪声环境下多用户检测误码率高的问题,提出一种基于混合鲸鱼优化的鲁棒多用户检测算法。该算法首先利用基于非线性控制策略的改进鲸鱼优化算法,加速寻优算法迭代过程的收敛;再利用自适应差分进化算法丰富算法种群个体信息,增强优化算法的全局收敛性;同时将适应度较好的个体信息保存到集合中,以保证下一次迭代寻优方向的可靠性,最终实现对最优解位置的快速解算。仿真结果表明,基于本文算法设计的多用户检测器相比采用遗传算法、差分进化算法,以及鲸鱼优化算法的多用户检测器寻优迭代次数更少,且误码率低。     

虎纹蛙（Rana tigerina rugulosa）的食性与繁殖习性的研究

本文研究报道虎纹蛙（ＲａｎａｔｉｇｅｒｉｎａｒｕｇｕｌｏｓａＷｉｅｇｍａｎｎ）的生态习性特点．该蛙性凶猛，蝌蚪以活的小动物为主食，也会互相残杀，成体则喜吃昆虫和蟛蜞；繁殖期为４～８月，高峰期为４月下旬～５月中旬；属于一年多次产卵类型；卵群形态为小片状，沿着水域的岸边分布；个体发育迅速，春末夏初产卵发育而成的雄蛙，在当年冬眠之前可达性成熟．     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

基于改进鲸鱼优化算法的资源调度方法

针对在大量数据背景下云计算资源调度模型存在调度效率低、分配不合理等问题,提出一种基于改进鲸鱼优化算法（m-WOA）的云计算资源调度方法。提出了云计算资源调度模型,针对基本鲸鱼优化算法存在迭代后期种群多样性减弱、易陷入局部最优等不足,提出使用Tent混沌反向学习策略来增强种群多样性;并使用精英随机组合策略平衡算法开发和探索能力。将改进后的m-WOA算法用于数值仿真实验和云计算资源调度模型求解。实验结果表明,m-WOA具有更好的收敛精度和更强的稳定性;m-WOA能有效减少云计算完成时间和能源消耗,并提供更合理的资源调度分配方案,从而提升云计算资源利用率。     

基于莱维飞行和布朗运动的鲸鱼优化算法

针对鲸鱼优化算法存在的求解精度不高、收敛速度较慢和易陷入局部最优等缺点,设计了一种基于莱维飞行和布朗运动的鲸鱼优化算法.先利用莱维飞行方法对鲸鱼种群进行初始化,以增加初始种群的多样性;再根据布朗运动原理对鲸鱼种群的位置更新进行随机扰动,以避免算法提前陷入局部最优.将改进的鲸鱼优化算法与鲸鱼优化算法、粒子群优化算法、遗传算法和蚁群优化算法在7个不同的基准测试函数上进行对比测试,结果表明,改进的鲸鱼优化算法在求解精度、收敛速度方面均优于其他4种算法.对初始化阶段采用莱维飞行策略的改进鲸鱼优化算法与采用随机搜索策略的鲸鱼优化算法的初始解探索范围进行仿真对比实验,结果表明,改进鲸鱼优化算法一定程度上可以避免陷入局部最优.     

基于改进鲸鱼算法的PID参数整定系统设计

被控对象数学模型的精度决定了PID控制算法的效果。为解决建模困难的问题,上位机采用混沌序列生成鲸鱼优化算法的初始种群数据并发送给下位机。下位机控制被控对象运行,并将结果反馈给上位机。多次迭代计算之后,上位机基于鲸鱼算法获得最优PID参数组合。该系统无需建立数学模型,提高了参数整定精度,简单易用。在对比实验中,混沌鲸鱼算法的寻优结果优于鲸鱼算法和混沌粒子群算法,控制效果良好。     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

鲸鱼四足走天下

<正>睁开眼睛,看到水怪伏在岸边假寐,巨鸟追着马儿满世界跑,长了细长鼻子的老鼠站直了身子蹦跳……这样的世界很疯狂!——4900万年前一条不知名的小鱼儿的感言     

为什么肥皂水能吹出泡泡?

我们在吹泡泡时,肥皂水的张力就可以使泡泡那层薄薄的液体膜不破碎,并且紧紧地裹住里面的空气。表面张力的作用使得泡泡内部的空气比外面的大气压大。因此肥皂泡吹好后,它就会自动慢慢向外扩张,一直到破碎消失。溶液表面     

基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法

针对共振解调方法需要选取包含较多故障信息的共振频带这一特点,提出了一种基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法。首先,使用鲸鱼优化算法,以峭度和包络谱峭度构造的复合峭度作为优化目标,对带通滤波器参数中心频率和带宽进行自适应选择。然后,使用寻优得到的最优中心频率和带宽对轴承故障信号进行滤波分析。最后,对滤波后信号进行包络解调处理,提取出故障特征频率,判断轴承故障类型。通过对仿真信号和轴承内、外圈故障信号的分析诊断,可以证明该方法能够满足共振解调方法中对共振频带选取的要求,完成轴承信号故障频率的提取,是一种有效的轴承故障诊断方法。     

采用鲸鱼算法的可控扩散叶型优化设计

为提升可控扩散叶型MANGHH在高空低雷诺数条件下的气动性能,建立了一套结合类别形状函数变换方法、S1流面求解程序、鲸鱼优化算法的优化设计系统,具有参数较少、易于实现、求解快速等优势。经单峰函数和多峰函数测试表明,鲸鱼优化算法的寻优能力明显高于粒子群优化算法和引力搜索算法。研究表明:与初始叶型相比,优化叶型在-4°、0°、6°攻角下总压损失分别降低了55.9%、16.1%、16.3%;在不同的攻角下,优化叶型吸力面的载荷峰值前移,减缓了边界层位移厚度的增长速率,削弱了尾缘附近的流动分离,并且随着来流马赫数的增大,优化叶型的总压损失减小幅度增大;随着来流湍流度的增大,初始叶型的总压损失先减小后增大,优化叶型的总压损失由于湍流耗散能力增强而增大,但总压损失始终低于初始叶型,气动性能显著提升。     

基于鲸鱼优化算法的类图重构研究

为了提高软件质量,组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能.本文提出一种基于鲸鱼优化算法的类图重构方法,并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优.在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构,研究结果表明:基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法,可有效提高重构质量.     

基于遗传-鲸鱼优化的SCARA自适应迭代学习控制

针对SCARA重复运动后的轨迹会出现偏差的问题,给出了一种基于改进鲸鱼算法的自适应迭代学习优化控制策略。根据SCARA驱动方程,设计了动力学系统的迭代学习控制律。由于鲸鱼算法收敛速度慢,利用遗传算法与鲸鱼算法结合,提高算法的全局搜索能力。对机械臂控制器参数K_P、K_D进行寻优。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。