哈里斯鹰优化算法(HHO)
哈里斯鹰优化算法(Harris Hawks Optimization,HHO)是Heidari等于2019年提出的一种群体优化算法,该算法模拟哈里斯鹰(美国亚利桑那州南部的猛禽)的捕食行为,哈里斯鹰优化算法主要包括种群初始化、搜索阶段和围捕阶段,而围捕阶段又分为盘旋围捕、强势突袭、盘旋围捕与渐进俯冲攻击、强势突袭与渐进俯冲攻击四种策略。
多目标哈里斯鹰优化算法(MOHHO)
将多目标进化思想融入到哈里斯鹰优化算法中,得到多目标哈里斯鹰优化算法(MOHHO),将MOHHO分别在ZDT1、ZDT2、ZDT3、ZDT4、ZDT6上进行测试。
ZDT1:
ZDT2:
ZDT3:
ZDT4:
ZDT6:
MOHHO在ZDT1上的求解结果:
MOHHO在ZDT3上的求解结果:
MOHHO在ZDT6上的求解结果:
经过多次实验测试,结果表明:MOHHO与传统多目标优化算法相比,在多目标问题上具有更好的优化性能和稳定性,具有一定的竞争力。