cec2013(python):哈里斯鹰优化算法(Harris Hawks Optimization,HHO)

一、哈里斯鹰优化算法

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。HHO原理：https://blog.csdn.net/weixin_46204734/article/details/121234172

二、HHO求解cec2013

cec2013函数简介

CEC 2013 Special Session on Real-Parameter Optimization中共有28个测试函数维度可选择为10/30/50/100。每个测试函数的详细信息如下表所示：

参考文献：[1] Liang J J , Qu B Y , Suganthan P N , et al. Problem Definitions and Evaluation Criteria for the CEC 2013 Special Session on Real-Parameter Optimization. 2013.

部分代码

完整代码添加博客下方博主微信

from CEC2013.cec2013 import *
from HHO import HHO
import matplotlib.pyplot as plt
import numpy as np
#主程序
function_name =8 #测试函数1-23
SearchAgents_no = 50#种群大小
Max_iter = 300#迭代次数
dim=10#维度 10/30/50/100
lb=-100*np.ones(dim)#下限
ub=100*np.ones(dim)#上限
cec_functions = cec2013(dim,function_name)
fobj=cec_functions.func#目标函数
BestX,BestF,curve = HHO(SearchAgents_no, Max_iter,lb,ub,dim,fobj)#问题求解




#画收敛曲线图
if BestF>0:
    plt.semilogy(curve,color='r',linewidth=2,label='HHO')
else:
    plt.plot(curve,color='r',linewidth=2,label='HHO')
plt.xlabel("Iteration")
plt.ylabel("Fitness")
plt.xlim(0,Max_iter)
plt.title("F"+str(function_name))
plt.legend()
plt.savefig(str(function_name)+'.png')
plt.show()
print('\nThe best solution is:\n'+str(BestX))
print('\nThe best optimal value of the objective funciton is:\n'+str(BestF))

部分结果

三、参考代码

完整代码添加博客下方博主微信