哈里斯霍克优化(HHO):算法与应用
本文提出了一种新的基于种群的、受自然启发的优化范式，称为Harris Hawks Optimizer (HHO)。HHO的主要灵感来自于自然界中哈里斯鹰的合作行为和追逐方式，即突袭。在这种聪明的策略中，几只鹰合作从不同的方向扑向猎物，试图给它一个惊喜。哈里斯鹰可以根据场景的动态性质和猎物的逃跑模式，揭示各种追逐模式。本文从数学上模拟了这种动态模式和行为，开发了一种优化算法。通过与其他自然启发的技术进行比较，在29个基准问题和几个实际工程问题上验证了所提出的HHO优化器的有效性。统计结果和比较表明，与完善的元启发式技术相比，HHO算法提供了非常有前途的和偶尔有竞争力的结果。
主要论文:
Ali Asghar Heidari, Seyedali Mirjalili, Hossam Faris, Ibrahim Aljarah, Majdi Mafarja, Huiling Chen，未来一代计算机系统，2019,DOI:https://doi.org/10.1016/j.future.2019.02.028
请从以下网址下载:
https://www.researchgate.net/publication/331416553_Harris_hawks_optimization_Algorithm_and_applications
https://www.sciencedirect.com/science/article/pii/S0167739X18313530
更多的信息，源代码，以及相关的补充材料，如Latex文件和visio文件，原始论文的图形可以在:
(一)https://www.researchgate.net/profile/Ali_Asghar_Heidari
(b)https://aliasgharheidari.com/HHO.html
(c)http://evo-ml.com/2019/03/02/hho/
(d)https://github.com/aliasghar68/Harris-hawks-optimization-Algorithm-and-applications-
(e)https://codeocean.com/capsule/5851871/tree/v1
作者、发明家和程序员:Ali Asghar Heidari
新加坡国立大学计算机学院计算机科学系博士研究实习生，伊朗国家精英基金会(INEF)资助的新加坡杰出人才博士学位，德黑兰大学
电子邮件:aliasghar68@gmail.com, as_heidari@ut.ac.ir
(新加坡)aliasgha@comp.nus.edu.sg, t0917038@u.nus.edu
引用作为
Heidari, Ali Asghar等，“Harris Hawks优化:算法和应用”。未来计算机系统，Elsevier BV, 2019年2月，doi:10.1016/j.future.2019.02.028。
您也可以从以下列表中选择一个网站: