聚类质心与指数递减方法改进的哈里斯鹰算法

doi:10.3969/j.issn.1006-2475.2023.12.006

计算机与现代化 ›› 2023, Vol. 0 ›› Issue (12): 30-35.doi: 10.3969/j.issn.1006-2475.2023.12.006

聚类质心与指数递减方法改进的哈里斯鹰算法

（1.西安工程大学管理学院，陕西西安 710048； 2.“一带一路”纺织发展创新研究院，陕西西安 710048；
3.福州大学先进制造学院，福建福州 350003）

出版日期:2023-12-24 发布日期:2024-01-24
作者简介:白晓波（1983—），男，陕西勉县人，高级工程师，硕士生导师，CCF会员，硕士，研究方向：群体智能优化，智能信息处理，E-mail: baixiaobo@xpu.edu.cn；江梦茜（1989—），女，福建南平人，讲师，博士，研究方向：3D成像，计算机视觉，E-mail: fjjmx@foxmail.com；王铁山（1974—），男，河北唐山人，副教授，博士，研究方向：企业数字化转型，数字经济，E-mail: wangtieshan@xpu.edu.cn；邵景峰（1980—），男，甘肃定西人，教授，博士，研究方向：智能信息处理，E-mail: shaojingfeng@xpu.edu.cn；李勃（1986—），男，甘肃平凉人，副教授，博士，研究方向：企业数字化转型，智能信息处理，E-mail: libo@xpu.edu.cn。
基金资助:
国家自然科学基金资助项目（71802155）；陕西省教育厅智库项目（20JT027）；咸阳市重点研发计划项目（S2021ZDYF-GY-0715）

Improved Harris Hawks Optimization Algorithm Based on Cluster Centroid and#br# Exponential Decline Method#br#

（1. School of Management， Xi’an Polytechnic University， Xi’an 710048， China；
2. Textile Development Research Institute of One Belt and One Road， Xi’an 710048， China；
3. School of Advanced Manufacturing， Fuzhou University， Fuzhou 350003， China）

Online:2023-12-24 Published:2024-01-24

摘要/Abstract

摘要： 摘要：为了提高哈里斯鹰算法的寻优性能，提出KmHHO算法。首先，将所有种群看作一个聚类，用Kmeans算法计算聚类的质心，再用质心代替算法中的均值。然后，为了控制算法的探索和开发阶段，用指数递减的猎物逃逸能量，代替原算法中线性递减的猎物逃逸能量。最后，通过在23个benchmark函数上5个算法寻优性能的对比，验证KmHHO的改进效果，并利用Wilcoxon秩和检验，分析KmHHO与其他4个算法的差异性。实验结果表明，在23个benchmark函数中，KmHHO能够在14个benchmark函数上取得最优值，整体性能高于GWO、HHO和AO，但与DAHHO相当。

关键词: 关键词：哈里斯鹰算法, Kmeans, 指数递减, 秩和检验, 群体智能寻优算法

Abstract: Abstract: To promote optimization performance of Harris hawks optimization algorithm， KmHHO algorithm is proposed. Firstly， all populations as a cluster， the cluster centroid is calculated with Kmeans of Matlab， mean of HHO is replaced by cluster centroid. Then， to control the segments of exploration and development， linearly decreasing escape energy of prey is replaced with exponentially decreasing escape energy of prey. Finally， searching performance of five algorithms is compared on 23 benchmark functions， the improved effect of KmHHO is verified and Wilcoxon rank sum test is utilized to analyze the difference of KmHHO with other four optimization algorithms. The experimental results show that among the 23 benchmarks， KmHHO can achieve the optimal value on 14 benchmark functions， and its overall performance is higher than GWO， HHO and AO， but it’s equivalent to DAHHO.

Key words: Key words: Harris hawks optimization, Kmeans, exponentially decreasing, rank sum test, swarm intelligence optimization algorithm

中图分类号:

TP391

白晓波, 江梦茜, 王铁山, 邵景峰, 李勃, . 聚类质心与指数递减方法改进的哈里斯鹰算法[J]. 计算机与现代化, 2023, 0(12): 30-35.

BAI Xiao-bo, JIANG Meng-xi, WANG Tie-shan, SHAO Jing-feng, LI Bo, . Improved Harris Hawks Optimization Algorithm Based on Cluster Centroid and#br# Exponential Decline Method#br#[J]. Computer and Modernization, 2023, 0(12): 30-35.

参考文献［26］

［1］	POLI R， KENNEDY J， BLACKWELL T. Particle swarm optimization: An overview［J］. Swarm Intelligence， 2007，1（1）:33-57.
［2］	MIRJALILI S， MIRJALILI S M， LEWIS A. Grey wolf optimizer［J］. Advances in Engineering Software， 2014，69:46-61.
［3］	TAN Y， ZHU Y C. Fireworks algorithm for optimization［C］// Proceedings of the 2010 International Conference in Swarm Intelligence. 2010:355-364.
［4］	刘立群，顾任远. 核中心驱动混合蛙跳算法及其应用［J］. 计算机科学与探索， 2022，16（5）:1169-1181.
［5］	宋阿妮，包贤哲，权轶. 基于混沌自适应萤火虫算法的UAVs分配策略［J］. 计算机应用与软件， 2022，39（2）:300-306.
［6］	白晓波，邵景峰，王铁山，等. 分段搜索的果蝇算法及其对纺织企业资源配置［J/OL］. 计算机科学与探索:2022，16（10）：2330-2344.
［7］	WOLPERT D H， MACREADY W G. No free lunch theorems for optimization［J］. IEEE Transactions on Evolutionary Computation， 1997，1（1）:67-82.
［8］	HEIDARI A A， MIRJALILI S， FARIS H， et al. Harris hawks optimization: Algorithm and applications［J］. Future Generation Computer Systems， 2019，97:849-872.
［9］	贾鹤鸣，刘庆鑫，刘宇翔，等. 融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法［J/OL］. 智能系统学报，2023，18（01）：104-116.
［10］	ABUALIGAH L， YOUSRI D， ABD ELAZIZ M， et al. Aquila optimizer: A novel meta-heuristic optimization algorithm［J］. Computer & Industrial Engineering， 2021，157. DOI: 10.1016/j.cie.2021.107250.
［11］	汤安迪，韩统，徐登武，等. 混沌精英哈里斯鹰优化算法［J］. 计算机应用， 2021，41（8）:2265-2272.
［12］	高建瓴，喻明毫. 混合差分进化与二次插值改进哈里斯鹰算法［J/OL］. 小型微型计算机系统，2023，44（7）：1352-1359.
［13］	朱诚，潘旭华，张勇. 基于趋化校正的哈里斯鹰优化算法［J］. 计算机应用， 2022，42（4）:1186-1193.
［14］	刘小龙，梁彤缨. 基于方形邻域和随机数组的哈里斯鹰优化算法［J/OL］. 控制与决策:1-11［2022-07-31］. DOI: 10.13195/j.kzyjc.2021.0478.
［15］	WANG Y H， ZHOU Y Q， LUO Q F. Parameter optimization of shared electric vehicle dispatching model using discrete Harris hawks optimization［J］. Mathematical Biosciences and Engineering， 2022，19（7）:7284-7313.
［16］	SONG M J， JIA H M， ABUALIGAH L， et al. Modified Harris hawks optimization algorithm with exploration factor and random walk strategy［J］. Computational Intelligence and Neuroscience， 2022，2022. DOI: 10.1155/2022/4673665.
［17］	ELGAMAL Z M， YASIN N B M， TUBISHAT M， et al. An improved Harris hawks optimization algorithm with simulated annealing for feature selection in the medical field［J］. IEEE Access， 2020，8:186638-186652.
［18］	NANDI A， KAMBOJ V K. A Canis lupus inspired upgraded Harris hawks optimizer for nonlinear， constrained， continuous， and discrete engineering design problem［J］. International Journal for Numerical Methods in Engineering， 2021，122（4）:1051-1088.
［19］	HUSSIEN A G， AMIN M. A self-adaptive Harris hawks optimization algorithm with opposition-based learning and chaotic local search strategy for global optimization and feature selection［J］. International Journal of Machine Learning and Cybernetics， 2022，13（2）:309-336.
［20］	KAMBOJ V K， NANDI A， BHADORIA A， et al. An intensify Harris hawks optimizer for numerical and engineering optimization problems［J］. Applied Soft Computing， 2020，89. DOI: 10.1016/j.asoc.2019.106018.
［21］	KAVEH A， RAHMANI P， ESLAMLOU A D. An efficient hybrid approach based on Harris hawks optimization and imperialist competitive algorithm for structural optimization［J］. Engineering with Computers， 2022，38（S2）:1555-1583.
［22］	ATASHPAZ-GARGARI E， LUCAS C. Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition［C］// Proceedings of the 2007 IEEE Congress on Evolutionary Computation. 2007:4661-4667.
［23］	GUPTA S， DEEP K， HEIDARI A A， et al. Opposition-based learning Harris hawks optimization with advanced transition rules: Principles and analysis［J］. Expert Systems with Applications， 2020，158. DOI: 10.1016/j.eswa.2020.
	113510.
［24］	HUANG W N， PENG Y， GE Y， et al. A new Kmeans clustering model and its generalization achieved by joint spectral embedding and rotation［J］. PeerJ Computer Science， 2021，7. DOI: 10.7717/peerj-cs.450.
［25］	陈贵敏，贾建援，韩琪. 粒子群优化算法的惯性权值递减策略研究［J］. 西安交通大学学报， 2006，40（1）:53-56.
［26］	TAHERI A， RAHIMIZADEH K， RAO R V. An efficient balanced teaching-learning-based optimization algorithm with individual restarting strategy for solving global optimization problems［J］. Information Sciences， 2021，576:68-104.

[1]	范新南, 陈馨洋, 史朋飞, 孙奂儒, 鹿亮, 周仲凯. 水下声呐图像轻量级目标检测模型[J]. 计算机与现代化, 2023, 0(03): 16-22.
[2]	马瑜涓, 韩建宁, 史韶杰, 曹尚斌, 杨志秀. 基于HMRF的改进Kmeans脑肿瘤分割算法[J]. 计算机与现代化, 2023, 0(03): 1-5.
[3]	蒋丽，薛善良. 基于改进kmeans算法的文本聚类[J]. 计算机与现代化, 2018, 0(04): 17-.

聚类质心与指数递减方法改进的哈里斯鹰算法

Improved Harris Hawks Optimization Algorithm Based on Cluster Centroid and#br# Exponential Decline Method#br#

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献［26］

相关文章 3

编辑推荐

Metrics

本文评价

聚类质心与指数递减方法改进的哈里斯鹰算法

Improved Harris Hawks Optimization Algorithm Based on Cluster Centroid and#br# Exponential Decline Method#br#

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［26］

相关文章 3

编辑推荐

Metrics

本文评价

参考文献［26］