本文提出了一种基于种群的、受自然启发的优化范式，即Harris Hawks Optimizer (HHO)。HHO的主要灵感来自哈里斯鹰在自然界的合作行为和追逐风格，即突袭。在这种聪明的策略中，几只鹰从不同的方向合作突袭猎物，试图出其不意。哈里斯鹰可以根据场景的动态特性和猎物的逃跑模式揭示各种追逐模式。这项工作在数学上模拟这样的动态模式和行为，以发展一个优化算法。在29个基准问题和几个实际工程问题上，通过与其他自然启发的技术进行比较，验证了所提出的HHO优化器的有效性。统计结果和比较表明，与完善的元启发式技术相比，HHO算法提供了非常有前途的和偶尔有竞争力的结果。
主要论文:
Harris hawks optimization:算法与应用Ali Asghar Heidari，Seyedali Mirjalili，Hossam Faris，Ibrahim Aljarah，Majdi Mafarja，Huiling Chen，未来一代计算机系统，2019年，内政部：https://doi.org/10.1016/j.future.2019.02.028
从以下网址下载论文：
https://www.researchgate.net/publication/331416553_Harris_hawks_optimization_Algorithm_and_applications
https://www.sciencedirect.com/science/article/pii/S0167739X18313530
更多信息、源代码及相关补充资料，如原文图片的Latex文件和visio文件，请参见:
(一)https://www.researchgate.net/profile/Ali_Asghar_Heidari
(b)https://aliasgharheidari.com/HHO.html
(c)http://evo-ml.com/2019/03/02/hho/
(d)https://github.com/aliasghar68/Harris-hawks-optimization-Algorithm-and-applications-
(e)https://codeocean.com/capsule/5851871/tree/v1
作者、发明家和程序员：Ali Asghar Heidari
德黑兰大学伊朗国家精英基金会(INEF)资助的极具天赋博士
电邮：aliasghar68@gmail.com，作为_heidari@ut.ac.ir
（新加坡）aliasgha@comp.nus.edu.sg, t0917038@u.nus.edu
引用作为
Heidari, Ali Asghar等，<哈里斯鹰优化:算法和应用>。未来一代计算机系统，Elsevier BV, 2019年2月，doi:10.1016/j.future.2019.02.028。
