控制与决策

作者：李岩,钱谦

单位：昆明理工大学 信息工程与自动化学院,昆明 650500hspace{3pt};昆明理工大学 云南省计算机技术应用重点实验室,昆明 650500,,昆明理工大学 信息工程与自动化学院,昆明 650500hspace{3pt};昆明理工大学 云南省计算机技术应用重点实验室,昆明 650500,

关键词：哈里斯鹰优化算法;多种群;多能量策略;量子化;协同;群优化

基金：云南省基础研究计划面上项目(202101AT070082).

哈里斯鹰优化算法(Harris Hawks optimization,HHO)存在探索能力和开发能力平衡性不足等问题,导致算法收敛速度较慢,寻优精度较低,容易陷入局部最优.针对这些问题,引入多种群策略解决初始化种群单一的问题,提出基于多种群的多能量策略模拟两只体能不同的猎物的逃跑过程,使两个种群向不同的方向进化,以提高探索阶段与开发阶段的搜索能力.此外,协同量子化策略的加入在迭代前期可避免算法陷入局部极值,在迭代后期可提高算法的寻优精度.最后,通过对测试函数的优化结果进行分析可以得出,与其他一些经典或最新的算法相比,改进后的算法可大大提高最优解的收敛速度和寻优精度,同时具有更强的跳出局部最优的能力.

来源：2024年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第7期