基于混合策略的改进哈里斯鹰优化算法

摘要

针对原始哈里斯鹰优化算法(HHO)存在的收敛精度低、收敛速度慢、易陷入局部最优等不足,提出了一种基于混合策略的改进哈里斯鹰优化算法(HSHHO).首先,在种群初始化阶段引入Sobol序列,生成均匀分布的种群,提高种群的多样性,有利于提高算法的收敛速度;其次,引入limit阈值,令算法在一定迭代次数没有获得更优值后执行全局探索操作,提高算法跳出局部最优解的能力,改善HHO在迭代后期只执行开发阶段而易陷入局部最优的缺陷;最后,提出一种动态的反向学习机制,提高算法的收敛精度以及跳出局部最优的能力.在9个基准函数和6个CEC2017函数上进行测试,与其他多种优化算法、HHO变体作对比,验证所提出策略的有效性,并进行Wilcoxon符号秩检验、Friedman检验和Quade检验等非参数检验.实验结果表明, HSHHO在收敛速度、寻优精度和统计测试方面具有较为优秀的性能.最后,还应用到焊接梁设计优化问题,结果表明改进的算法对于带约束的实际工程优化问题也具有更好的效果.