融合互利共生和透镜成像学习的HHO算法

针对哈里斯鹰优化算法收敛速度慢、易陷入局部最优的问题，提出了一种结合互利共生和镜头成像学习的改进哈里斯-霍克斯优化算法（IHHO）。利用Tent混沌映射对种群进行初始化，增加种群的多样性，提高算法的优化性能。在探索阶段，融合了互利共生的思想，引入了非线性惯性因子，增强了种群信息的交换，加快了算法的收敛速度。提出了一种镜头成像反向学习策略，以一定概率扰动和变异哈里斯鹰位置，提高算法跳出局部最优的能力。通过对16个基准函数的仿真实验，结果表明，与其他五种算法相比，IH·HO算法具有更快的收敛速度、更高的优化精度和更强的鲁棒性。同时，将IHHO算法应用于图像分割，并以仿真实验为例验证了该算法在实际工程应用中的可行性。