一、哈里斯鹰优化算法

哈里斯鹰优化算法(Harris Hawks Optimization,HHO)是Heidari等于2019年提出的一种群体优化算法，该算法模拟哈里斯鹰（美国亚利桑那州南部的猛禽）的捕食行为，哈里斯鹰优化算法主要包括种群初始化、搜索阶段和围捕阶段，而围捕阶段又分为盘旋围捕、强势突袭、盘旋围捕与渐进俯冲攻击、强势突袭与渐进俯冲攻击四种策略。HHO原理：https://blog.csdn.net/weixin_46204734/article/details/121234172

二、HHO求解23个测试函数

23个测试函数简介

测试集：23组基本测试函数简介及图像（提供python代码）_IT猿手的博客-CSDN博客

部分代码

from FunInfo import Get_Functions_details
from HHO import HHO
import matplotlib.pyplot as plt
#主程序
function_name =10 #测试函数1-23
SearchAgents_no = 50#种群大小
Max_iter = 100#迭代次数
lb,ub,dim,fobj=Get_Functions_details(function_name)#获取问题信息
BestX,BestF,curve = HHO(SearchAgents_no, Max_iter,lb,ub,dim,fobj)#问题求解




#画收敛曲线图
if BestF>0:
    plt.semilogy(curve,color='r',linewidth=2,label='HHO')
else:
    plt.plot(curve,color='r',linewidth=2,label='HHO')
plt.xlabel("Iteration")
plt.ylabel("Fitness")
plt.xlim(0,Max_iter)
plt.title("F"+str(function_name))
plt.legend()
plt.savefig(str(function_name)+'.png')
plt.show()
print('\nThe best solution is:\n'+str(BestX))
print('\nThe best optimal value of the objective funciton is:\n'+str(BestF))

部分结果

三、参考代码

文件夹内包含HHO求解23个函数完整python代码，点击main.py即可运行。