ScholarGate
עוזר
Machine learningSwarm Intelligence

אופטימיזציית נצי חאריס

אופטימיזציית נצי חאריס (HHO) היא אלגוריתם מטה-היוריסטי שהוצג על ידי היידרי ואחרים בשנת 2019, בהשראת אסטרטגיות הציד של נצי חאריס. האלגוריתם ממדל את התנהגות הציד השיתופית ואסטרטגיות הבריחה של עופות דורסים אלה כדי לפתור בעיות אופטימיזציה מורכבות. HHO מאזן בין חיפוש (exploration) באמצעות התמקמות לבין ניצול (exploitation) באמצעות מרדף דינמי, מה שהופך אותו ליעיל עבור אופטימיזציה רב-אופנית ורב-ממדית.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מקורות

  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

איך לצטט עמוד זה

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

מאוזכר על ידי

ScholarGateHarris Hawks Optimization (Harris Hawks Optimization). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/optimization/harris-hawks-optimization · מערך נתונים: https://doi.org/10.5281/zenodo.20539026