Un algoritmo de búsqueda de armonía (HS) para resolver problemas de optimización multimodales de alta dimensionalidad (llamado DIHS) fue propuesto en 2015 y mostró un buen rendimiento, en el cual se emplea una estrategia de reducción dinámica de dimensionalidad para mantener una alta tasa de éxito de actualización de la memoria de armonía (HM). Sin embargo, en el DIHS se adoptó una suposición extrema que no es razonable, y su análisis de la tasa de éxito de actualización no es lo suficientemente preciso. En este estudio, reanalizamos la tasa de éxito de actualización de HS y ahora presentamos un método más válido para analizar la tasa de éxito de actualización de HS. En el nuevo análisis, se comparan las estrategias de tomar-k y tomar-todo que se emplean para generar nuevas soluciones con la tasa de éxito de actualización, y también se analiza la tasa de convergencia promedio de los algoritmos. Los resultados experimentales demuestran que el HS basado en la estrategia de tomar-k es eficiente y efectivo para resolver algunos problemas de optimización complejos de alta dimensionalidad.