本文介绍了哈里斯鹰算法（HHO）在机器人栅格地图最短路径规划中的应用。HHO算法分为全局探索和局部开采两个阶段，通过模拟哈里斯鹰捕猎的策略来寻找最优解。在局部开采阶段，算法依据猎物能量E和概率λ执行软围攻、硬围攻等四种策略。文章提供部分Matlab源码，并提及在2014a版本中运行，适用于路径规划问题的优化解决。
⛄一、哈里斯鹰算法简介
HHO算法用数学公式来模拟现实中哈里斯鹰在不同机制下捕捉猎物的策略.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。
1 全局探索阶段
在这一阶段中，哈里斯鹰处于等待状态，仔细检查和监控搜索空间[lb,ub]以发现猎物.它根据两种策略在随机的地方寻找猎物，迭代时以概率q进行位置更新，数学表达式为：
式中，Xt+1和Xt分别为哈里斯鹰第t+1次和第t次迭代时的位置，Xrabbit, t表示猎物第t次迭代时的位置，q和r1,r2,r3,r4是区间(0,1)内的随机数字，lb是搜索空间的下界，ub是搜索空间的上界，Xrand, t表示第t次迭代时哈里斯鹰的随机位置，Xm,t表示第t次迭代时哈里斯鹰的平均位置，公式如下：
2 过渡阶段
任何群智能算法的精确运行，需要保持探索和开采之间适当的平衡.HHO通过猎物的能量方程实现从探索到开采的过渡，其模型如下&
订阅专栏 解锁全文
452
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
