精英反向学习与黄金正弦优化的HHO算法

摘要：

针对基本哈里斯鹰优化算法(Harris hawks optimization,HHO)易陷入局部最优值、收敛精度低和收敛速度慢的问题,提出融合精英反向学习与黄金正弦算法的哈里斯鹰优化算法(elite opposition-based learning golden-sine Harris hawks optimization,EGHHO).融入精英反向学习机制,提高种群多样性和种群质量,提升算法全局寻优性能和收敛精度;融入黄金正弦算法优化哈里斯鹰围捕猎物的方式,有效缩小搜索空间,减少算法收敛时间,增强算法局部开发能力.通过求解多个单模态、多模态和高维度测试函数进行算法之间的对比,结果表明,融合两种策略的EGHHO算法具有较强跳出局部极值的能力以及更高的寻优精度和寻优速度.

关键词：哈里斯鹰优化算法、精英反向学习、黄金正弦算法、高维优化

所属期刊栏目：58

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;上海市自然科学基金

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9页

页码：153-161