ScholarGate
어시스턴트
Machine learningSwarm Intelligence

Harris Hawks Optimization

Harris Hawks Optimization (HHO)는 2019년 Heidari 등이 Harris hawk의 사냥 전략에서 영감을 받아 소개한 메타휴리스틱 알고리즘입니다. 이 알고리즘은 복잡한 최적화 문제를 해결하기 위해 이 맹금류의 협동 사냥 행동과 탈출 전략을 모델링합니다. HHO는 앉아서 탐색하고 동적 추적을 통해 활용하는 것을 균형 있게 조절하여 다봉성 및 고차원 최적화에 효과적입니다.

MethodMind에서 열기곧 제공동영상곧 제공슬라이드 다운로드

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

출처

  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

이 페이지 인용 방법

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

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기

이 방법을 참조하는 항목

ScholarGateHarris Hawks Optimization (Harris Hawks Optimization). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/optimization/harris-hawks-optimization · 데이터셋: https://doi.org/10.5281/zenodo.20539026