---

1.摘要

本文提出了增強二進制天鷹算法（EBAO），針對無線傳感器網絡（WSNs）中的入侵檢測系統（IDSs）。由于WSNs的特點是規模龐大、節點移動性強以及存儲空間有限，設計有效的IDS存在諸多挑戰。EBAO模型通過特征選擇（FS）技術，降低數據維度并提高IDS的準確性，從而優化入侵檢測過程。EBAO采用混合初始化方法，結合Lévy飛行和隨機均勻生成函數生成更適合FS問題的解決方案；β-爬山算法作為局部搜索技術增強AO在FS解決空間中的搜索效率；利用哈里斯鷹優化算法中的變異方程來探索FS解決空間。

2.天鷹算法AO原理

【智能算法】天鷹優化算法（AO）原理及實現

3.改進策略

β-爬山算法

β-爬山算法（BHC）根據遺傳算法（GA）的均勻變異方法使用新的探索操作符來控制搜索空間的多樣性，并基于當前解的元素和隨機元素構建新解。β 控制隨機化的大小，帶寬（BW）參數控制從當前解到新解的移動距離。$N(x)$算子在開發階段，尋找當前解周圍的潛在解決方案：
$$X_i=X_i\pm U(0,1)\times BW?!\in [1,N]$$
根據當前解的值或從$\beta$概率范圍隨機更新新解:
$$X_i=\begin{array}{c}\{\begin{array}{c}{X}_r,rand<\beta \\ X_i,otherwise\end{array}\end{array}$$

HHO變異

HHO變異模擬了哈里斯鷹捕食獵物行為:
$$X_{i,j}(t)=\{\begin{array}{c}{X}_{r_1,j}(t)?r_{2,j}|X_{r_1,j}(t)?2r_{3,j}|,r_6\ge 0.5\\ \left(X_{best,j}(t)?X_{a\nu g,j}(t)\right)?r_{4,j}\left(LB+r_{5,j}(UB?LB)\right),r_6<0.5\end{array}$$

偽代碼

4.結果展示

5.參考文獻

[1] Alawad N A, Abed-alguni B H, Shakhatreh A M. EBAO: An Intrusion Detection Framework for Wireless Sensor Networks Using an Enhanced Binary Aquila Optimizer[J]. Knowledge-Based Systems, 2025: 113156.

6.代碼獲取