融合多策略改进红尾鹰优化算法及其应用

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：赵倩;郭锋*;王婷;刘元凯

摘要：红尾鹰优化算法(Red-tailed Hawk Optimizer,RTH)具有较强的全局搜索和快速收敛能力,但收敛精度低、局部开发性能不足。 针对此问题,该文提出一种融合多策略改进的红尾鹰优化算法( Improved Red - tailed Hawk Optimizer,IRTH)。 首先,在初始种群生成阶段引入了佳点集模型,以增进红尾鹰种群的多样性;其次,利用切线飞行策略优化步长来改进个体的位置更新策略,从而提高算法的收敛速度和精度;最后,引入高斯柯西变异策略,解决算法迭代后期容易陷入局部最优问题。 采取基准测试函数、Wilcoxon 秩和检验等实验将改进算法 IRTH 与其他 5 种经典算法进行对比,实验结果表明,IRTH 收敛性和寻优精度整体均优于其他算法。 最后,将 IRTH 应用于光伏功率预测领域,结果表明,该模型的RMSE、MAPE 和 MAE 分别为 9. 58% 、0. 61% 和 6. 91% ,相比单一极限学习机模型和其他算法优化模型分别提高了 85.04% 、22.48% 和 67% ,从实际工程领域验证了改进策略的有效性和优异性。

关键词：红尾鹰优化算法;佳点集;切线飞行;高斯柯西变异;光伏功率预测;极限学习机