BWO算法，即白鯨最佳化算法（Beluga Whale Optimization），是一種在2022年提出的元啟發式最佳化算法。該算法的設計靈感來源於白鯨的生活行為，特別是它們的群居特性和鯨落現象。BWO算法由大連理工大學運載工程與力學學部工程力學系的李剛教授團隊提出，並發表在KBS上。
BWO算法包含以下幾個階段：
初始化：在這個階段，算法通過隨機選擇白鯨來保證設計空間中的全局搜尋能力。
探索階段：這個階段通過隨機選擇白鯨來確保全局搜尋能力。
開發階段：控制著設計空間中的局部搜尋，通過改變白鯨的位置向量在搜尋空間中移動。
鯨落階段：模擬了生物界中存在的鯨落現象，改變了白鯨的位置。
在BWO中，白鯨被視為搜尋代理，通過改變位置向量在搜尋空間中移動。算法通過平衡因子（Bf）來決定是從探索轉向開發，從而實現從全局搜尋到局部搜尋的過渡。
BWO算法的偽代碼和收斂曲線等詳細信息可以在相關文獻中找到。