2.1　基本原理

哈里斯鹰优化（harris hawk optimization，HHO）算法是由Heidari等于2019年提出的仿生智能优化算法，其灵感源于哈里斯鹰的群体狩猎的突袭围捕行为。

如图2.1所示为哈里斯鹰。哈里斯鹰与其他猛禽相比最大的特点是以团队形式合作狩猎，其狩猎对象大多数为野兔，在搜寻目标时，哈里斯鹰首先会各自飞向不同区域四处巡视，并以一种类似“蛙跳”的方式在各树梢间对猎物进行观察；在追逐猎物时，主要采取“突袭围捕”。当鹰群发现猎物时，几只鹰将尝试从不同方向合作突袭猎物，同时向猎物周围汇聚，通常此过程只需要几秒，便可捕获受到惊吓的猎物，但当猎物拥有足够的体力逃脱时，突袭围捕则是在短时间内在猎物附近多次、短距离的快速突袭，哈里斯鹰会根据场景特性和猎物的逃跑模式（猎物的反应和躲避方向）改变追逐策略。

图2.1　哈里斯鹰

可以将哈里斯鹰狩猎行为划分为3个阶段：第一阶段为搜索阶段，这个阶段哈里斯鹰处于搜寻猎物的状态，采用的是机会对等策略搜索猎物位置；第二阶段为从搜索到开发转换阶段，这个阶段哈里斯鹰处于发现猎物的状态；第三阶段为开发阶段，这个阶段哈里斯鹰处于对猎物进行捕捉的状态，它们采用软围攻、硬围攻、渐进式快速俯冲的软包围和渐进式快速俯冲的硬包围4种策略对猎物进行捕捉。