【智能算法改进】融合多策略改进的哈里斯鹰优化算法

1.算法原理

【智能算法】哈里斯鹰算法（HHO)原理及实现

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:
$$E_{{}_T}=\sin \left(t\pi /2T+\pi \right)+1$$

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:
$$w=1-\sin ((\pi t)/(2T))$$
改进后的 HHO 探索阶段公式:
$$\begin{array}{rlrl}& X_i(t+1)=& & \\ & (w\cdot X_i(t)\cdot \exp (-i/(\alpha T)),& & \text{当 }q⩾0.5\\ & (X_r(t)-X_m(t))-r_3(lb-r_4(ub-lb)),& & \text{当 }q<0.5\end{array}$$

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:

$$U_{{}_{best}}^{\prime }=X_{{}_r}^{\prime }[1+{\lambda }_{{}_1}\mathrm{Cauchy}(0,1)+{\lambda }_{{}_2}\mathrm{Gauss}(0,1)]$$

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.

5.代码获取

【资源清单】代码资源清单导航~