เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| อัลกอริทึมผึ้งหลวง× | Harris Hawks Optimization× | |
|---|---|---|
| สาขาวิชา | การหาค่าเหมาะที่สุด | การหาค่าเหมาะที่สุด |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 2023 | 2019 |
| ผู้ริเริ่ม≠ | Fatma A. Hashim | Ali Asghar Heidari |
| ประเภท | Nature-inspired metaheuristic algorithm | Nature-inspired metaheuristic algorithm |
| แหล่งต้นตำรับ≠ | Hashim, F. A., Hussain, K., & Houssein, E. H. (2023). Honey badger algorithm: A new meta-heuristic optimization algorithm. Neural Computing and Applications, 35(17), 12265-12287. link ↗ | 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 ↗ |
| ชื่อเรียกอื่น | HBA | HHO |
| ที่เกี่ยวข้อง≠ | 5 | 4 |
| สรุป≠ | The Honey Badger Algorithm (HBA) is a nature-inspired metaheuristic optimization algorithm presented by Hashim et al. in 2023, modeled on the hunting behavior and intelligent strategies of honey badgers (Mellivora capensis). Honey badgers are known for their remarkable problem-solving abilities, fearlessness, and persistent pursuit of prey and food sources despite significant obstacles. HBA captures these behavioral traits to create an effective optimization framework. | Harris Hawks Optimization (HHO) is a metaheuristic algorithm introduced by Heidari et al. in 2019, inspired by the hunting strategies of Harris's hawks. The algorithm models the cooperative hunting behavior and escape strategies of these raptors to solve complex optimization problems. HHO balances exploration through perching and exploitation through dynamic pursuit, making it effective for multimodal and high-dimensional optimization. |
| ScholarGateชุดข้อมูล ↗ |
|
|