基于折射反向学习和自适应策略的哈里斯鹰优化算法.pdfVIP

计算机应用,2024,44(S2):129-133http：//www.joca.cn

文章编号：1001-9081（2024）S2-0129-05DOI：10.11772/j.issn.1001-9081.2024050671

基于折射反向学习和自适应策略的哈里斯鹰优化算法

*

杨翔宇，高博

（兰州交通大学机电工程学院，兰州730070）

（∗通信作者电子邮箱gaobo@mail.lzjtu.cn）

摘要：为解决哈里斯鹰优化（HHO）算法的收敛速度较慢、收敛精度不够高和无法跳出局部最优等问题，提出一种基于

折射反向学习（ROBL）和自适应策略的改进算法。通过引入ROBL策略，在搜索过程中生成反向解来扩大搜索范围，以提高

算法的收敛速度和全局搜索能力。同时，采用自适应惯性权重和非线性能量递减因子动态地调整算法的探索和开发能力。

另外，引入改进的自适应t分布变异对最优位置进行变异，以增强算法跳出局部最优解的能力。改进算法在维持种群多样性

的同时，提升了收敛速度、全局搜索能力和收敛精度。在12个基准测试函数上的对比实验中，与群体智能算法相比，所提算

法均获得了最高的收敛精度；而且，在基准测试函数实验中，验证了单个改进策略的有效性以及多个策略组合使用相较于单

策略使用的优越性。

关键词：哈里斯鹰优化算法；折射反向学习；自适应策略；非线性能量递减策略；基准测试函数

中图分类号：TP181文献标志码：A

Harrishawkoptimizationalgorithmbasedon

refractedopposition-basedlearningandadaptivestrategy

YANGXiangyu，GAOBo*

（SchoolofMechanicalEngineering，LanzhouJiaotongUniversity，LanzhouGansu730070，China）

Abstract:Toaddresstheissuessuchasslowconvergence，insufficientconvergenceaccuracy，andtheinabilitytojumpoutof

thelocaloptimuminHarrisHawksOptimization（HHO）algorithm，animprovedalgorithmbasedonRefractedOpposition-Based

Learning（ROBL）andadaptivestrategywasproposed.Byintroducingarefractedopposition-basedlearningstrategy，opposition

solutionsweregeneratedtobroadenthesearchscope，therebyenhancingboththeconvergencespeedandtheglobalexploration

capabilityofthealgorithm.Concurrently，adaptiveinertiaweightsan