融合互利共生和透镜成像学习的HHO算法

摘要：

针对哈里斯鹰优化算法收敛速度慢、易陷入局部最优的问题,提出一种融合互利共生和透镜成像学习的哈里斯鹰优化算法(improved Harris hawks optimization,IHHO).利用Tent混沌映射初始化种群,增加种群多样性,提高算法寻优性能;在探索阶段融入一种互利共生思想,并引入非线性惯性因子,以增强种群信息交流,加快算法收敛速度;提出一种透镜成像反向学习策略,对哈里斯鹰位置以一定概率进行扰动变异,提高算法跳出局部最优的能力.通过16个基准测试函数进行仿真实验,结果表明,IHHO与其余5种算法相比,收敛速度更快,寻优精度更高;鲁棒性更强.同时,将IHHO应用于图像分割问题中,仿真实验验证了该算法在实际工程应用中的可行性.

关键词：哈里斯鹰优化算法、Tent混沌映射、互利共生、透镜成像、反向学习、图像分割

所属期刊栏目：58

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：76-86