本文提出了一种新的基于种群的、自然启发的优化范式，称为Harris-Hawks优化器（HHO）。HHO的主要灵感来源于哈里斯鹰队在自然界中的合作行为和追逐风格，称之为突然袭击。在这种智能策略中，几只鹰从不同的方向合作突袭猎物，试图给它一个惊喜。Harris hawks可以根据场景的动态性质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了这种动态模式和行为，以开发一种优化算法。在29个基准问题和几个实际工程问题上，通过与其他自然激励技术的比较，验证了所提出的HHO优化器的有效性。统计结果和比较表明，与成熟的元启发式技术相比，HHO算法提供了非常有前景且偶尔具有竞争力的结果。
主要文件：
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
有关原始图纸图形的更多信息、源代码和相关补充资料，如Latex文件和visio文件，请参见：
（a）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
博士学位研究生，计算机科学系，新加坡国立大学计算学院，新加坡，非常有才华的博士学位，由伊朗国家精英基金会（NIF）资助，德黑兰大学
电邮：aliasghar68@gmail.com，作为_heidari@ut.ac.ir
（新加坡）aliasgha@comp.nus.edu.sg, t0917038@u.nus.edu
