融合能量周期性递减与牛顿局部增强的改进HHO算法
为增强栗翅鹰优化算法的全局探索能力和局部开采性能,提出一种融合能量周期性递减机制与牛顿局部增强策略的改进栗翅鹰优化算法(improved harris hawks optimization,IHHO).该算法在传统HHO算法基础上,启发于自然界中鹰与猎物间的多轮围捕-逃逸现象且猎物能量整体上呈现递减态势,进而设计一种猎物能量的周期性递减调控因子并嵌入能量函数中,该机制有利于实现IHHO算法全局探索与局部搜索间的多轮动态迭代平衡.牛顿局部增强策略借鉴牛顿迭代思想构造一种猎物邻域(当前最优解)的局部再搜索,并依概率实现IHHO算法的局部寻优性能改善.数值实验验证了不同能量周期数和局部搜索次数对HHO算法性能的差异性影响、优越的并行迭代寻优性能以及高收敛精度、高维情形(100D～10000D)的较好适用性.
智能优化算法、栗翅鹰优化算法、能量周期性递减机制、牛顿局部增强策略、高维优化
36
TP391;TP301.6(计算技术、计算机技术)
辽宁省科技厅博士科研启动基金;辽宁省科技厅博士科研启动基金;国家自然科学基金;辽宁省教育厅项目;辽宁省教育厅项目;辽宁省自然科学基金
2021-03-26（万方平台首次上网日期，不代表论文的发表时间）
共8页
629-636
