哈里斯鹰算法是一种新的基于种群的、自然启发的优化范式Harris-Hawks-Optimizer（HHO）。HHO的主要灵感来源于Harris的鹰在自然界中的合作行为和追逐方式，称之为突然袭击。在这种智能策略中，几只老鹰合作从不同的方向扑向猎物，试图给它一个惊喜。哈里斯鹰可以根据场景的动态性和猎物的逃跑模式揭示出多种追逐模式。这项工作在数学上模拟了这种动态模式和行为，以开发一种优化算法。在29个基准问题和几个实际工程问题上，通过与其他自然启发技术的比较，验证了所提出的HHO优化器的有效性。统计结果和比较表明，与成熟的元启发式技术相比，HHO算法提供了非常有前途的结果，有时甚至具有竞争性。

HHO算法是一种流行的基于群体的无梯度优化算法，具有多个活跃的时变探索和开发阶段。该算法最初由著名的未来一代计算机系统杂志（FGCS）于2019年发表，从第一天起，它以其灵活的结构、高性能和高质量的结果而越来越受到研究人员的关注。HHO方法的主要逻辑是基于Harris的鹰在自然界中的合作行为和追逐方式设计的，称为“突袭”。目前，关于如何增强HHO的功能有很多建议，在领先的Elsevier和IEEE事务日志中也有几个HHO的增强变体。

获取完整资料和代码