【LSSVM回归预测】哈里斯鹰算法优化最小二乘支持向量机HHO-LSSVM数据回归预测【含Matlab源码 3426期】

⛄一、运行结果

⛄二、哈里斯鹰算法优化最小二乘支持向量机HHO-LLSVM数据回归预测

1 哈里斯鹰算法
摘要：2019 年 Heidari 等人提出哈里斯鹰优化算法(Harris Hawk Optimization, HHO)，该算法有较强的全局搜索能力，并且需要调节的参数较少的优点。
1 算法原理
哈里斯鹰优化算法是一种模拟哈里斯鹰捕食行为的智能优化算法，主要由 3 部分组成：搜索阶段、搜索与开发的转换和开发阶段。

1.1 搜索阶段
哈里斯鹰随机栖息在某个地方，通过 2 种策略找到猎物；

1.2 搜索与开发的转换
HHO 算法根据猎物的逃逸能量在搜索和不同的开发行为之间转换；

1.3 开发阶段
定义r为[0,1] 之间的随机数，用于选择不同的开发策略。

2 哈里斯鹰算法步骤
步骤 1：种群初始化。根据搜索空间每一维的上界和下界，初始化每个个体。
步骤 2：计算初始适应度。将适应度最优的个体位置设为当前猎物位置。
步骤 3：位置更新。先通过更新猎物逃逸能