中文摘要: 针对哈里斯鹰算法(HHO)很难在探索和开发之间取得平衡，且易陷于局部最优和种群低多样性等问题，本文提出一种基于混沌透镜成像学习的哈里斯鹰算法(FLHHO)。首先，利用Fuch无限折叠混沌策略初始化种群，丰富种群多样性；其次，在探索阶段引入黄金正弦策略，提高算法的求解精度；最后，利用混合透镜成像学习和柯西变异策略，对哈里斯鹰最佳位置进行扰动,提高算法跳出局部最优的能力。将改进后的哈里斯鹰算法(FLHHO)在10个经典测试函数和29个CEC2017测试函数上进行求解精度，仿真结果表明，FLHHO算法优于HHO算法、其他改进HHO算法和其他最新算法。同时，将FLHHO应用到工业物联网中来优化频谱分配，将能量效率作为评价指标，实验结果表明基于FLHHO算法的能量效率优于其他算法，验证了FLHHO应用到实际中的可行性。