2.1　基本原理

哈里斯鷹優化（harris hawk optimization，HHO）算法是由Heidari等于2019年提出的仿生智能優化算法，其靈感源于哈里斯鷹的群體狩獵的突襲圍捕行為。

如圖2.1所示為哈里斯鷹。哈里斯鷹與其他猛禽相比最大的特點是以團隊形式合作狩獵，其狩獵對象大多數為野兔，在搜尋目標時，哈里斯鷹首先會各自飛向不同區域四處巡視，并以一種類似“蛙跳”的方式在各樹梢間對獵物進行觀察；在追逐獵物時，主要采取“突襲圍捕”。當鷹群發現獵物時，幾只鷹將嘗試從不同方向合作突襲獵物，同時向獵物周圍匯聚，通常此過程只需要幾秒，便可捕獲受到驚嚇的獵物，但當獵物擁有足夠的體力逃脫時，突襲圍捕則是在短時間內在獵物附近多次、短距離的快速突襲，哈里斯鷹會根據場景特性和獵物的逃跑模式（獵物的反應和躲避方向）改變追逐策略。

圖2.1　哈里斯鷹

可以將哈里斯鷹狩獵行為劃分為3個階段：第一階段為搜索階段，這個階段哈里斯鷹處于搜尋獵物的狀態，采用的是機會對等策略搜索獵物位置；第二階段為從搜索到開發轉換階段，這個階段哈里斯鷹處于發現獵物的狀態；第三階段為開發階段，這個階段哈里斯鷹處于對獵物進行捕捉的狀態，它們采用軟圍攻、硬圍攻、漸進式快速俯沖的軟包圍和漸進式快速俯沖的硬包圍4種策略對獵物進行捕捉。