比例-積分-微分（PID）制御パラメータの有効な調整は、制御工学の分野での難問です。本論文では、この課題に対処するために、強化された河馬最適化アルゴリズム（EHO）を提案します。ラテンキューブサンプリングおよび適応的レンズ逆学習初期化により、集団の多様性を向上させ、グローバルサーチ能力を強化します。さらに、探索段階で適応的な乱れのメカニズムを導入して位置更新を最適化します。EHOのパフォーマンスを検証するために、CEC2022テスト関数を使用して、オリジナルの河馬最適化アルゴリズムおよび4つのクラシックまたは先進の知能アルゴリズムとベンチマークテストを行います。EHOを使用してPID制御器を異なる種類のシステムに適用することで、その有効性をさらに評価します。EHOを他の5つのアルゴリズムやクラシックなジグラー-ニコルス法と比較します。収束曲線、ステップ応答、ボックスプロット、レーダーチャートの分析によると、EHOは精度、収束速度、安定性の面で比較アルゴリズムよりも優れています。最後に、EHOを使用して四軸無人機の軌跡追跡の級数PID制御器を調整し、その適用性を評価します。シミュレーション結果によると、EHOで最適化されたシステムの位置チャネル（x、y、z）の時間絶対誤差積分はそれぞれ59.979、22.162、0.017です。これらの数値は、オリジナルの河馬最適化アルゴリズムや手動パラメータ調整法の結果よりも明らかに低いです。

PIDコントローラー; パラメータ調整; 河馬最適化; ラテンキューブサンプリング; 適応的レンズ逆学習; 適応的乱れのメカニズム