多目标优化算法：多目标哈里斯鹰优化算法MOHHO（提供Matlab源码）

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。