Machine learningSwarm Intelligence

بهینه‌سازی شاهین هریس

بهینه‌سازی شاهین هریس (HHO) الگوریتمی فراابتکاری است که توسط حیدری و همکاران در سال ۲۰۱۹ معرفی شد و از استراتژی‌های شکار شاهین‌های هریس الهام گرفته شده است. این الگوریتم رفتار شکار مشارکتی و استراتژی‌های گریز این پرندگان شکاری را برای حل مسائل پیچیده بهینه‌سازی مدل‌سازی می‌کند. HHO با بهره‌گیری از پرش برای اکتشاف و تعقیب پویا برای بهره‌برداری، تعادل بین این دو را برقرار می‌سازد و آن را برای بهینه‌سازی چندوجهی و با ابعاد بالا مؤثر می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Harris Hawks Optimization. ScholarGate. https://scholargate.app/fa/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

ارجاع‌شده در

ScholarGateHarris Hawks Optimization (Harris Hawks Optimization). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/optimization/harris-hawks-optimization · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026