受海马启发的新型优化算法，结合自适应Lévy-Dunkl突变机制，用于集约化鱼类养殖系统中的可持续水电管理

可持续管理循环水养殖系统的高能耗问题，本研究提出海马优化算法（SOA）结合自适应Lévy-Dunkl变异（ALDM），通过模拟海马运动行为设计五项改进机制，实现多目标电力调度优化，在三家 salmon 农场验证中降低能耗23.7%，减少峰值电力需求31.2%，年节省$47300-$89600，同时提升鱼生长率8.2%和降低死亡率2.3个百分点。

　　

摘要

在集约化水产养殖过程中，可持续管理水电能源的消耗是现代渔业面临的一个关键挑战，因为能源成本可能占到运营费用的40%。本研究介绍了一种新型的生物启发式元启发算法——具有自适应Lévy-Dunkl变异的海马优化算法（SOA-ALDM），该算法专门用于优化循环水产养殖系统（RAS）中的电力消耗模式。该算法模仿了海马（Hippocampus spp.）独特的运动模式、进食行为和领地动态，并融入了五项关键改进：（1）自适应螺旋游泳机制，以实现探索与利用之间的平衡；（2）基于伪装的人口多样性增强策略；（3）受鱼卵囊启发的解决方案存储策略；（4）利用尾部抓握机制实现局部优化；（5）借助水流动量的传递机制。通过引入自适应Lévy-Dunkl变异，该算法利用正交多项式基础的重尾统计分布，提高了从局部最优解中逃脱的能力。该优化框架涵盖了24小时运营周期内曝气系统、水循环泵、温度控制单元和自动喂养机制的多目标电力调度。实验验证在三个商业鲑鱼养殖场（年产能150-500吨）进行了180天的运行测试，性能评估采用了包括广义超体积指标（GHI）、基于多项式混沌展开的敏感性指数（PCE-SI）和Cramér-von Mises散度测量在内的新型统计指标。与12种最先进算法（PSO、GWO、WOA、HHO、MPA、SSA、AO、GTO、DBO、AVOA、RUN和NGO）的对比分析表明，SOA-ALDM表现出更优异的性能：平均能耗降低了23.7%，功率因数提高了15.3%，帕累托前沿覆盖率达到了89.4%，同时保持了最佳溶解氧水平（>6.5 mg/L），并将高峰需求费用降低了31.2%。通过Friedman排序检验（p < 0.001）和事后Wilcoxon符号秩检验的统计验证，证实了其在所有基准测试中的显著优势。该方法每年为每个养殖场节省了47,300至89,600美元的成本，同时使鱼类生长率提高了8.2%，死亡率降低了2.3个百分点，为高效节能的水产养殖运营树立了新的范例。