哈里斯鹰优化算法（HHO）附代码

1 算法介绍

哈里斯鹰算法（Harris Hawks Optimization，HHO），是由Ali Asghar Heidari和Seyedali Mirjalili于2019年提出的一种新型仿生智能优化算法。该算法模仿哈里斯鹰捕食特点，结合Lévy飞行（Lévy Flights）实现对复杂多维问题求解。研究表明该新型算法具有良好的性能。

在ＨＨＯ中，哈里斯鹰是候选解，猎物随迭代逼近最优解．ＨＨＯ算法包括两个阶段：全局探索阶段、局部开采阶段。

HHO算法的规则描述如下：

1）每次迭代前，判断是否越界并调整，更新猎物位置与适应度值；

2）在搜索阶段，哈里斯鹰拥有两种不同搜索方式，分别针对发现和未发现猎物；

3）野兔的逃逸能量会随着迭代次数增加而自适应减小；

4）当野兔能量降低到某一阈值，将被哈里斯鹰群发现，狩猎从搜索阶段转为围捕突袭阶段；

5）每一次突袭前，兔子都有一定的概率从包围中逃脱；

6）针对兔子的体力，以及是否逃脱包围圈，哈里斯鹰有四种不同的围捕策略；

7）每次围捕最终兔子将会捕获，每次迭代会产生一个新的猎物，该位置将由新一代种群中适应度值最优者占据。

2 算法模型

2.1. 全局探索阶段