声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~
目录
原理简介
算法伪代码
性能测评
参考文献
完整代码
徒步优化算法(Hiking Optimization Algorithm ,HOA)是一种新型的元启发式算法（智能优化算法），灵感来源于人类的徒步旅行，算法简单高效，值得一试！该成果由Sunday O于2024年7月发表在SCI一区顶刊《Knowledge-Based Systems》上！
注意！该算法的作者中包括了Seyedali Mirjalili等优化算法领域大名鼎鼎的学者。熟悉该作者的小伙伴都知道，非常经典的灰狼优化算法WOA、正余弦优化算法SCA、海洋捕食者算法MPA等性能优异的算法都包含他的名字，说明这个算法的性能是有保证的！
由于发表时间较短，谷歌学术上仅被引用1次！你先用，你就是创新！
原理简介
灵感：徒步旅行者在攀登山峰、丘陵或岩石的过程中，通常会面对陡峭的地形和小径，这不仅减慢了他们的步伐，还延长了整个徒步旅行的时间。通过了解地形的地理特征，徒步旅行者能够大致估算到达山顶所需的时间。这种过程类似于在优化问题中寻找局部最优点或全局最优点的过程。
HOA的数学基础是基于著名的Tobler徒步函数，其公式为：
其中wi,t为迭代或时间𝑡时的徒步者速度(即km∕h)，si,t为步道或地形的坡度，公式为：
其中，dh和dx分别表示徒步者所走过的海拔和距离的差异。另外，si,t为轨迹或地形的倾斜角，在[0,50°]范围内。
徒步者i的当前速度为：
公式中，yi,t是在[0，1]范围内均匀分布的数；Wi,t和Wi,t−1分别表示徒步旅行者i的当前速度和初始速度。βbest是领先徒步旅行者的位置，αi,t是扫描因子(SF)，范围在[1，3]之间。
算法伪代码
为了使大家更好地理解，这边给出作者算法的伪代码，非常清晰！
如果实在看不懂，不用担心，可以看下源代码，再结合上文公式理解就一目了然了！
性能测评
原文作者通过29个著名的测试函数(包括单峰、多峰、固定维多峰和复合函数)、3个工程设计问题(包括工字梁、拉/压缩弹簧和齿轮系问题)和2个N-P难问题(即旅行推销员和背包问题)的基准测试来证明。此外，将HOA的结果与其他14种元启发式算法进行了比较，包括基于教学的优化算法(TLBO)、遗传算法(GA)、差分进化算法(DE)、粒子群优化算法、灰狼优化器(GWO)以及新引入的算法，如Komodo Mlipir算法(KMA)、二次插值优化算法(QIO)等算法进行比较，证明了HOA在许多情况下，优于前面提到的众所周知的元启发式。
这边为了方便大家对比与理解，采用23个标准测试函数，即CEC2005，设置种群数量为30，迭代次数为1000，并与经典的粒子群算法进行对比！这边展示其中5个测试函数的图，其余十几个测试函数大家可以自行切换尝试！
可以看到，这个算法在绝大多数函数中超越了粒子群算法！大家应用到各类预测、优化问题中也是一个不错的选择~
参考文献
[1]Oladejo S O, Ekwe S O, Mirjalili S. The Hiking Optimization Algorithm: A novel human-based metaheuristic approach[J]. Knowledge-Based Systems, 2024, 296: 111880.
完整代码
如果需要免费获得图中的完整测试代码，只需后台回复关键字，不区分大小写：
HOA
也可后台回复个人需求（比如HOA-LSTM）定制以下HOA算法优化模型（看到秒回）：
1.回归/时序/分类预测类：SVM、RVM、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、BP、XGBoost、TCN、BiTCN、ESN等等均可~
2.组合预测类：CNN/TCN/BiTCN/DBN/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
3.分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD等分解模型均可~
4.路径规划类：机器人路径规划、无人机三维路径规划、冷链物流路径优化、VRPTW路径优化等等~
5.优化类：光伏电池参数辨识优化、储能容量配置优化、微电网优化、PID参数整定优化、无线传感器覆盖优化、故障诊断等等均可~~
6.原创改进优化算法（适合需要创新的同学）：原创改进2024年的徒步优化算法HOA以及蛇鹫SBOA、蜣螂DBO等任意优化算法均可，保证测试函数效果！
更多免费代码链接：更多代码链接
