1.算法原理
2.改进点
佳点集初始化种群
为了尽可能使数值在搜索空间中均匀分散,提高初始解的遍历性,采用佳点集初始化种群:
佳点集生成种群分布图:
探索和开发转换方式改进
设计一种探索和开发的转换方式,转换公式:
E T = sin ( t π / 2 T + π ) + 1 E_{_T} = \sin\left( t\pi/2T + \pi \right) + 1 ET=sin(tπ/2T+π)+1
探索方式改进
HHO原更新方式过于依赖当前种群,不能确保完整地搜索到最优解空间区域。 将麻雀搜索算法中发现者位置更新公式引入 HHO 探索阶段,并且引入权重因子对发现者公式进一步改进:
w = 1 − sin ( ( π t ) / ( 2 T ) ) w = 1 - \sin{(( \pi t )/( 2T) )} w=1−sin((πt)/(2T))
改进后的 HHO 探索阶段公式:
X i ( t + 1 ) = ( w ⋅ X i ( t ) ⋅ exp ( − i / ( α T ) ) , 当 q ⩾ 0.5 ( X r ( t ) − X m ( t ) ) − r 3 ( l b − r 4 ( u b − l b ) ) , 当 q < 0.5 \begin{aligned}&X_{i}( t + 1 ) =\\&(w\cdot X_{i}(t) \cdot\exp(-i/(\alpha T) ) ,&&\text{当 }q\geqslant0.5\\&(X_{r}(t) -X_{m}(t) ) -r_{3}(lb -r_{4}(ub -lb) ) ,&&\text{当 }q <0.5\end{aligned} Xi(t+1)=(w⋅Xi(t)⋅exp(−i/(αT)),(Xr(t)−Xm(t))−r3(lb−r4(ub−lb)),当 q⩾0.5当 q<0.5
柯西-高斯变异扰动
在 HHO 算法迭代后期,多个个体容易聚集,导致陷入局部最优的风险增大。 为防止算法陷入停滞,引入柯西-高斯变异策略:
U b e s t ′ = X r ′ [ 1 + λ 1 C a u c h y ( 0 , 1 ) + λ 2 G a u s s ( 0 , 1 ) ] U_{_{best}}^{\prime}=X_{_r}^{\prime}[ 1 + \lambda_{_1}\mathrm{Cauchy}(0,1) + \lambda_{_2}\mathrm{Gauss}( 0,1) ] Ubest′=Xr′[1+λ1Cauchy(0,1)+λ2Gauss(0,1)]
3.结果展示
4.参考文献
[1] 曹泽轩,王晓峰,谢志新,等.融合多策略改进的哈里斯鹰优化算法[J].郑州大学学报(理学版),2023,55(06):22-28.