哈里斯鹰优化算法学习笔记2

哈里斯鹰是一种著名的猛禽，其独特之处在于它与生活在同一稳定群体中的其他家庭成员一起进行独特的合作觅食活动，而其他猛禽通常独自攻击，发现和捕获猎物。哈里斯鹰捕捉猎物的主要策略是“突袭”，也被称为“七杀”策略。在这种聪明的策略中，几只鹰试图从不同的方向进行合作攻击，同时聚集在被发现的正在掩体外逃跑的兔子身上。攻击可以在几秒钟内迅速完成，捕获受惊的猎物，但偶尔，考虑到猎物的逃跑能力和行为，七杀可能包括几分钟内在猎物附近多次短距离快速俯冲。哈里斯鹰会根据环境的动态性质和猎物的逃跑模式表现出各种各样的追逐风格。

2019 年 Ali Asghar Heidari 等人提出哈里斯鹰优化算法(Harris Hawk Optimization, HHO)，分为三个阶段，搜索阶段，搜索向开发转变的阶段，开发阶段。

1.全局搜索阶段

在这一部分中，提出了HHO的探索机制。如果我们考虑哈里斯鹰的本性，它们可以通过强有力的眼睛追踪和发现猎物，但偶尔猎物不容易被发现。因此，鹰等待，观察和监视沙漠地点，以发现猎物可能需要几个小时。

在HHO中，哈里斯鹰是候选解，每一步的最佳候选解作为目标猎物或近似最优解。

在HHO中，哈里斯鹰随机地栖息在一些地点，并根据两种策略等待发现猎物。

 

X (t)是鹰群的当前位置，X (t + 1)是鹰群在下一次迭代中的位置，t为迭代次数，Xrabbit (t)是兔子的当前位置（适应度值最好，即值最小）， Xrand(t)是当前种群中随机选取的个体的位置，Xm(t)是当前种群中鹰的平均位置（公式2），r1, r2, r3、r4、和q是随机数字(0,1)内,在每一次迭代更新,UB LB显示搜索空间变量的上下界。

式（1）中，当q≥0.5时，此时还没有任何一只鹰发现猎物的位置，因此随机选择种群中的个体，q < 0.5时，哈里斯鹰发现目标，因此根据其家庭成员的位置和兔子的位置盘旋，并更新位置。

 

鹰的平均位置可以通过Eq.(2)得到:

其中Xi(t)表示迭代t中第i个鹰的位置，N表示鹰的总数。

2.全局搜索向局部开发阶段转变

HHO算法可以根据猎物的逃逸能量，实现从探索到利用的转换，进而改变不同的利用行为。