本文介绍了一种基于和声搜索算法（HSA）的多级阈值（MT）算法。 HSA 是一种进化方法，其灵感来自音乐家在演奏时即兴演奏新和声。 与其他进化算法不同，HSA 展示了有趣的搜索能力，同时保持低计算开销。 所提出的算法将来自图像直方图中可行搜索空间的随机样本编码为候选解决方案，而考虑到 Otsu 或 Kapur 方法采用的目标函数来评估它们的质量。 在这些目标值的指导下，候选解集通过 HSA 算子演进，直到找到最佳解。 实验结果证明了所提出的数字图像分割方法的高性能。 ****每种方法（OTSU 或 KAPUR）的主文件是 Mth.HS1.m**** 提出的算法发表在： Diego Oliva、Erik Cuevas、Gonzalo Pajares、Daniel Zaldivar 和 Marco Perez-Cisneros，“基于和谐搜索优化的多级阈值分割”，应用数学杂志，第一卷。 201

使用 Harmony Search 进化算法进行预测，以便根据时间序列数据的输入向量预测未来的期望值。和声搜索算法(Harmony search， HS)是一种新兴的智能优化算法。

多目标 Harmony Search 优化算法作为 Matlab 函数 标和谐搜索优化算法 这是一个函数脚本，用于解决具有多个目标函数的优化问题。Harmony Search算法是平衡局部和全局搜索的最佳优化算法之一。找到最佳解决方案既简单又快速有效。 这个脚本是感谢为另一个多目标算法制作这个脚本的作者而创建的，这里我将其更改为 Harmony Search 算法。

和谐搜索（HS）是由音乐家Zong Woo Geem于2001年提出的一种全球优化算法，其灵感来自音乐家的即兴即兴演奏过程。该算法中的每个解决方案均称为“和声”，并且有一个有前途的解决方案档案，称为“和声记忆（HM）”