一种多反向学习的教与学优化算法

发布时间：2021-01-05 06:24

　　针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化（MOTLBO）算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函数且随进化代数逐渐变化的非线性混合反向学习模型,模型综合考虑了问题的搜索边界信息和种群的历史搜索信息;其次,在原始教与学算法教和学两个阶段的基础上,增加了基于搜索边界指导的自学习阶段,增强了种群的多样性;最后,将混合反向学习模型与算法的各阶段相结合,根据各阶段的不同特征,设计了基于均值个体、随机个体和最优个体的反向解计算方法,充分吸收种群的历史搜索经验,提高算法的收敛精度和速度。采用具有不同特征的Benchmark测试函数对算法的非线性混合反向学习模型和收敛性能进行测试,实验结果表明:非线性混合反向学习模型相对于单一的边界信息反向学习或种群信息反向学习,具有更强的全局搜索和局部探测能力;而与原始教与学优化算法及其改进算法相比,MOTLBO算法在获得较高的收敛精度和稳定性的同时保持了更快的收敛速度,其综合性能得到较大提升。此外,对扩频雷达相位编码求解的实验结... 

【文章来源】：工程科学与技术. 2019年06期 北大核心

【文章页数】：9 页

【参考文献】：
期刊论文
[1]局部维度改进的教与学优化算法[J]. 何杰光,彭志平,崔得龙,李启锐.  浙江大学学报(工学版). 2018(11)
[2]一种基于反思机制的教与学优化算法[J]. 童楠,符强,钟才明.  计算机应用研究. 2018(12)
[3]一种邻域重心反向学习的粒子群优化算法[J]. 周凌云,丁立新,彭虎,强小利.  电子学报. 2017(11)
[4]基于混合学习策略的教与学优化算法[J]. 毕晓君,王佳荟.  浙江大学学报(工学版). 2017(05)
[5]基于混合策略的自适应教与学优化算法[J]. 毕晓君,李月,陈春雨.  哈尔滨工程大学学报. 2016(06)
[6]改进的双种群竞争教与学优化算法[J]. 王培崇,钱旭.  计算机工程与应用. 2015(24)
[7]基于反馈的精英教学优化算法[J]. 于坤杰,王昕,王振雷.  自动化学报. 2014(09)



本文编号：2958193