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.