Harris Hawks Optimization
- 提出者
- Ali Asghar Heidari
- 年份
- 2019
- 类型
- Nature-inspired metaheuristic algorithm
- 类别
- Swarm Intelligence
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
Harris Hawks Optimization (HHO) 是一种由 Heidari 等人于 2019 年提出的元启发式算法,其灵感来源于 Harris 鹰的捕猎策略。该算法模拟了这些猛禽的合作捕猎行为和逃脱策略,以解决复杂的优化问题。HHO 通过栖息(exploration)和动态追捕(exploitation)来平衡探索与利用,使其在多模态和高维优化问题上表现出色。
方法背后的直觉
Harris 鹰以其智能的合作捕猎、突然袭击以及在追捕猎物时的逃脱机动而闻名。该算法将这种行为转化为数学运算:鹰栖息在高处扫描猎物(探索),然后以协调的策略(利用)进行追捕和攻击。关键的洞察在于逃脱能量的概念——随着猎物能量的减少,逃脱概率会发生变化,迫使鹰调整其攻击角度,从浅俯冲转变为突袭钳形攻势。这种动态行为自然地平衡了搜索过程。
历史学
HHO 由 Isfahan 大学(伊朗)的 Ali Asghar Heidari 及其同事于 2019 年开发,并发表在 Future Generation Computer Systems 期刊上。该算法的灵感来源于对 Harris 鹰(Parabuteo unicinctus)行为的详细研究,特别是它们群体合作捕猎以及猎物抵抗时的动态逃脱策略。由于其强大的经验性能,它迅速成为评估新元启发式算法的参考点。
何时使用
将 HHO 应用于目标函数评估成本高昂或包含多个局部最优解的连续优化问题。特别适用于工程设计优化、参数估计和机器学习超参数调优。最适合中高维问题,因为复杂的搜索行为能带来优势。
局限与注意事项
- 每次迭代的计算成本较高,因为追捕计算复杂
- 性能因问题景观而异;需要经验验证
- 该算法可能难以处理超过 1000 维的非常高维问题
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 精巧的逃脱能量机制,能自然地从探索过渡到利用
- 两种互补的策略(浅俯冲和钳形攻势)以实现多样化的攻击模式
- 在许多基准函数上,与 PSO 和遗传算法相比,性能更优
- 与某些竞争性元启发式算法相比,超参数较少,易于实现
应用
- 电力系统优化:优化电网中的发电调度和经济调度
- 机器学习:调整神经网络架构和训练超参数以提高准确性
- 结构设计:在约束条件下优化建筑物配置、桥梁设计和机械结构
- 图像处理:医学影像的特征选择和增强滤波器参数优化
- 无线传感器网络:优化节点放置和传输功率以实现网络覆盖
- 投资组合优化:选择资产配置以在管理风险的同时最大化回报
使用方式
使用方式
创建一群分布在搜索空间中的鹰作为候选解的初始种群。
鹰随机栖息在某个位置(探索阶段),以勘察环境并识别有希望的区域。
当侦测到猎物时,鹰会进入追捕模式,其攻击模式会根据猎物的逃脱能量而变化。
评估每个鹰位置的适应度,并更新找到的最佳解。
常见陷阱
- 将逃脱能量衰减设置得过于激进,可能导致算法过早陷入利用阶段
- 将种群初始化在狭窄区域会严重限制探索能力
- 未能适当地缩放搜索空间可能导致采样效率低下和收敛失败
常见问题
Harris Hawks Optimization 中的逃脱能量是什么?它是如何工作的?
逃脱能量代表猎物逃避捕获的能力,并随迭代次数线性下降。当逃脱能量高时,鹰采用随机栖息进行探索。随着能量降低,鹰转向协调攻击(钳形攻势或浅俯冲)进行利用。这种动态机制无需显式参数调整即可自动平衡探索与利用。
HHO 与粒子群优化 (PSO) 相比如何?
HHO 使用基于能量的搜索转换和两种不同的攻击策略,提供了比 PSO 基于速度的移动更丰富的行为多样性。HHO 通常在多模态问题上显示出更快的收敛速度,但每次迭代的计算成本可能更高。
HHO 能处理离散优化问题吗?
HHO 自然设计用于连续优化。对于离散问题,应用适当的离散化映射(例如,四舍五入或基于阈值的转换)将连续解转换为离散变量,但性能可能不如专门的离散算法。
HHO 应使用多大的种群规模?
典型的种群规模范围为 10-40 个个体,较大的种群可提供更好的探索能力,但计算成本会增加。建议从 30 只鹰开始,并根据您特定问题的收敛速度和解的质量进行调整。
相关方法
参考文献
Heidari, A. A., Mirjalili, S., Faris, H., Aljarah, I., Mafarja, M., & Chen, H. (2019). Harris hawks optimization: Algorithm and applications. Future Generation Computer Systems, 97, 849-872.
打开 DOI 文献已复制。