基于精英反向学习和对数螺旋的HHO算法

摘要

针对传统哈里斯鹰优化算法(Harris Hawks Optimization, HHO)在处理庞杂问题易出现局部最优、收敛速度慢、寻优精度低的缺点,提出一种ELSHHO算法来对其进行改进。首先引入精英反向学习策略来对种群进行初始化,可以有效增强初始种群的多样性;其次在种群位置更新时加入精英反向学习策略可以提高算法探索解空间的能力和解的质量从而降低寻优难度加快收敛速度;最后,通过引入对数螺旋因子来增强算法的局部搜索性能,提高寻优精度。使用具有单峰和多峰特征的10个测试函数来对改进的算法进行验证,通过实验得出,ELSHHO算法可以有效提高收敛速度和寻优精度。