基于精英引导的改进哈里斯鹰优化算法OA北大核心CSTPCD

针对哈里斯鹰优化算法(HHO)易陷入局部最优和收敛速度慢的问题,提出一种基于精英引导的改进哈里斯鹰优化算法(EHHO)。首先,引入精英反向学习,以精英中心为对称中心进行反向学习来优化种群结构,增强算法跳出局部最优的能力;其次,引入精英演化策略,以精英个体为主体进行基于高斯随机突变的演化来提升种群质量,加快算法收敛速度;最后,引入自适应机制,动态调整精英演化策略中2种演化方式的选择概率,以提升算法稳定性。为验证改进算法的有效性,选取15个基准函数进行仿真实验。实验结果表明,改进算法在寻优性能和鲁棒性上均有明显提升,在优化算法中具有一定竞争力。