Un optimiseur hybride amélioré Aquila et une optimisation des faucons de Harris pour l'optimisation globale

Cet article présente un algorithme hybride amélioré d'optimiseur Aquila (AO) et d'optimisation des faucons de Harris (HHO), nommé IHAOHHO, pour améliorer les performances de recherche pour des problèmes d'optimisation globale. Dans l'IHAOHHO, les capacités précieuses d'exploration et d'exploitation de l'AO et du HHO sont d'abord conservées, puis des stratégies de chasse basées sur des représentants (RH) et d'apprentissage basé sur l'opposition (OBL) sont ajoutées dans les phases d'exploration et d'exploitation pour améliorer efficacement la diversité de l'espace de recherche et la capacité d'évitement des optima locaux de l'algorithme, respectivement. Pour vérifier les performances d'optimisation et la faisabilité, l'algorithme proposé est analysé de manière exhaustive sur des fonctions de référence standard et CEC2017 et sur trois problèmes de conception d'ingénierie. Les résultats expérimentaux montrent que l'IHAOHHO proposé a des performances de recherche globale supérieures et une vitesse de convergence plus rapide par rapport à l'AO et au HHO de base ainsi qu'à certains algorithmes méta-heuristiques à la pointe de la technologie.