ScholarGate
Βοηθός
Machine learningSwarm Intelligence

Βελτιστοποίηση Γερακιών Harris

Η Βελτιστοποίηση Γερακιών Harris (HHO) είναι ένας μεταευριστικός αλγόριθμος που εισήχθη από τους Heidari et al. το 2019, εμπνευσμένος από τις στρατηγικές κυνηγιού των γερακιών Harris. Ο αλγόριθμος μοντελοποιεί τη συνεργατική συμπεριφορά κυνηγιού και τις στρατηγικές διαφυγής αυτών των αρπακτικών για την επίλυση σύνθετων προβλημάτων βελτιστοποίησης. Το HHO εξισορροπεί την εξερεύνηση μέσω της στάσης και την εκμετάλλευση μέσω της δυναμικής καταδίωξης, καθιστώντας το αποτελεσματικό για πολυτροπικά και υψηλών διαστάσεων προβλήματα βελτιστοποίησης.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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. DOI: 10.1016/j.future.2019.02.028

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Harris Hawks Optimization. ScholarGate. https://scholargate.app/el/optimization/harris-hawks-optimization

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateHarris Hawks Optimization (Harris Hawks Optimization). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/optimization/harris-hawks-optimization · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026