Harris Hawks Optimization
Harris Hawks Optimization (HHO) เป็นอัลกอริทึมเหนืออุดมคติ (metaheuristic algorithm) ที่พัฒนาขึ้นโดย Heidari และคณะ ในปี 2019 โดยได้รับแรงบันดาลใจจากกลยุทธ์การล่าของเหยี่ยวฮาร์ริส (Harris's hawks) อัลกอริทึมนี้จำลองพฤติกรรมการล่าร่วมกันและกลยุทธ์การหลบหนีของนกล่าเหยื่อเหล่านี้เพื่อแก้ปัญหาการหาค่าที่เหมาะสมที่สุดที่ซับซ้อน HHO สร้างสมดุลระหว่างการสำรวจ (exploration) ผ่านการเกาะคอนและการแสวงหาประโยชน์ (exploitation) ผ่านการไล่ล่าแบบไดนามิก ทำให้มีประสิทธิภาพสำหรับปัญหาการหาค่าที่เหมาะสมที่สุดที่มีหลายรูปแบบ (multimodal) และมีมิติสูง (high-dimensional)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Harris Hawks Optimization. ScholarGate. https://scholargate.app/th/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.
- อัลกอริทึม Aquila Optimizerการหาค่าเหมาะที่สุด↔ compare
- Grey Wolf Optimizerการหาค่าเหมาะที่สุด↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- อัลกอริทึม Slime Mouldการหาค่าเหมาะที่สุด↔ compare