综述：《白鲨优化器及其应用：系统综述》

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：White Shark Optimizer and its Applications: A Systematic Review

白鲨优化算法（WSO）模拟白鲨捕食行为，结合听觉与嗅觉感知实现复杂优化问题求解，平衡探索与利用，应用于机器人、机器学习、图像处理等领域，并探讨算法改进与局限性。

　　

摘要

白鲨优化器（White Shark Optimizer，简称WSO）是一种受自然方法启发的优化算法，它模拟并建模了大白鲨的行为。该算法借鉴了大白鲨的捕猎方式和生存本能，主要依靠它们的听觉和嗅觉来进行问题解决。大白鲨的行为类似于捕食者，利用敏锐的嗅觉和听觉来寻找复杂优化问题的最佳解决方案。这一算法引起了科学家、研究人员和工程师的关注，因为它在探索（寻找新领域）和利用（优化已知解决方案）之间的平衡能力，与大白鲨在广阔海洋中精准锁定目标的方式非常相似。由于其灵活性、鲁棒性和高性能，WSO成为解决机器人技术、机器学习、图像处理、调度和电力系统等领域复杂挑战的有效工具。此外，针对某些特定问题环境中的复杂机制，人们提出了多种改进方案以提高收敛速度、搜索效率和鲁棒性。本文综述了WSO算法的理论基础和算法结构，探讨了其各种修改版本，并重点分析了其在不同领域的应用情况。同时，也指出了该算法在复杂搜索空间中的局限性及改进方向，为未来研究提供了方向。

图形摘要

白鲨优化器