摘要：为解决哈里斯鹰优化算法（HHO）求解复杂问题时存在的收敛速度慢、易陷入局部极值等缺点，提出了一种基于多策略改进的哈里斯鹰优化算法（MHHO）;该算法针对传统HHO的局限性，首先采用Circle混沌映射初始化种群，以提高种群的多样性；然后引入一种非线性逃逸能量更新策略，防止算法陷入局部最优；其次在HHO的探索阶段，把非洲秃鹫优化算法（AVOA）开发阶段中的位置更新公式引入到该阶段中，增强算法的全局寻优能力；接下来引入自适应调整权重，增强算法的收敛性能并避免陷入局部极值;为了验证该算法的性能，选取个6经典测试函数进行寻优对比和Wilcoxon秩和检验，结果表明MHHO的收敛速度和准确性都得到了提升；最后，将HHO、AVOA和MHHO进行空压机机组智能调度实验，MHHO分配调度的能耗分别比HHO和AVOA少了451 kW和393 kW，验证了该算法在节能优化方面具有鲁棒性和实用性。
文章目录
0 引言
1 哈里斯鹰优化算法
2 MHHO算法
2.1 Circle混沌映射初始化种群
2.2 非线性逃逸能量参数
2.3 探索方式改进
2.4 自适应权重
2.5 MHHO算法流程
2.6 MHHO时间复杂度分析
3 实验仿真与结果分析
3.1 仿真实验环境与参数设置
3.2 对比算法及参数设置
3.3 标准测试函数概述
3.4 MHHO与智能算法的求解精度分析
3.5 MHHO与智能算法的收敛曲线分析
3.6 Wilcoxon秩和检验
4 MHHO算法的工业应用问题
4.1 目标函数
4.2 约束条件
4.3 机组仿真分析
5 结束语
