本文主要以对鲸鱼算法的改进并将其应用于改进的供应链网络均衡问题为研究对象,主要研究内容如下:1.针对鲸鱼算法后期种群的多样性丢失问题,通过螺旋更新位置模型的改进并结合对立学习策略、随机调整参数、正态变异操作等已有方法改进鲸鱼优化算法.采用对立学习策略对鲸鱼种群初始化,为全局搜索奠定基础;利用随机调整控制参数的策略,避免了算法后期陷入局部最优;正态变异算子与改进螺旋更新位置对鲸鱼种群进行干扰,避免种群后期向某个最优区域靠拢,增大算法的全局搜索能力.本文通过大量的国际标准测试函数对改进的鲸鱼优化算法进行低维和高维测试.结果表明,IMWOA算法在收敛精度、收敛速度上均明显优于原WOA算法且具有普遍适用性、稳定性和解决超大规模优化问题的能力.2.在算法的应用部分,考虑实际生产中往往会遇到制造商会因为某些原因而不得不延迟交货时间或者提前交货,而这些原因都是未知的或者不可预测的突发情况,而模糊集合理论是描述不确定问题的有利工具,本文结合模糊理论与满意度,从而建立了随机需求下具有模糊供应时间的单商品供应链网络均衡模型,最后运用改进的鲸鱼算法对算例进行求解,验证了算法的可靠性与模型的合理性.