「深度学习之优化算法」（十二）水波算法

本文介绍了水波算法（Water wave optimization），一种受物理现象启发的优化算法。算法通过传播、折射和碎浪三种形式进行搜索，其中折射和碎浪分别对应局部和全局搜索。实验表明，水波的最大高度影响算法的收敛速度和精度，需要适当调整以平衡全局和局部搜索。

1. 水波算法简介

（以下描述，均不是学术用语，仅供大家快乐的阅读）
　　水波算法（Water wave optimization）是根据水波理论提出的优化算法。什么是水波理论？简单来说就是水波的宽度越小，其频率越高，频率与水波宽度的平方根成反比（具体细节我也不懂，物理方面的）。水波算法也算是一种受物理现象（理论）启发而提出的算法，提出时间并不长，还有大量的研究和应用可以深入进行。
　　在水波算法中，水波有三种形式来对空间进行搜索。1.传播，2.折射，3.碎浪。传播即水波向周围扩散开来，折射是水波的高度趋近与0时改变了传播的方向（我是真的理解不能，光可以折射，水也能折射的咯？），碎浪即水波的高度较高时，水波破碎形成浪花。可以看出水波的传播是贯穿整个算法流程的，而折射只会发生在水波高度减少至0时，碎浪则发生在水波过高时。
（强行解释最为致命，作者开心就好）。