混合差分进化与二次插值改进哈里斯鹰算法

摘要

针对基本哈里斯鹰优化算法(Harris Hawks Optimization,HHO)存在易陷入局部最优值、收敛精度低和收敛速度慢的问题,提出混合差分进化以及二次插值法改进的哈里斯鹰算法.首先,在初始化种群阶段使用Sobol产生均匀随机数,增强种群遍历性及多样性;其次,在探索阶段融合差分进化算法加速HHO算法的寻优过程以及精度,同时提高全局搜索能力;最后,开发阶段使用二次插值法改进包围策略,提高算法局部搜索能力.同时改进算法中还加入了简单的精英制度,通过子代与父代适应度比较选出较优的一代作为下一种群.通过对测试函数集优化求解验证,表明改进算法具有较好的寻优能力及收敛速度,同时能有效避免陷入局部最优解.