动态选择策略的和声教与学混合算法

发布时间：2024-05-23 03:08

　　为提高对多种不同类型问题的优化性能,提出了一种基于和声搜索和教与学优化的混合优化算法(HHSTL)。在不同的进化阶段,HHSTL算法依据种群活跃率及种群最优个体更新率动态地确定和声算法或教与学算法作为下一周期种群更新方式的比例,并在标准教与学算法中增加了"自学"策略来提高算法的全局寻优能力。对16个不同类型的Benchmark函数进行仿真,并与七种优秀算法进行结果比较及Wilcoxon秩和检验分析,结果表明HHSTL算法汲取了和声搜索和教与学优化算法的优点,具有求解精度高、稳定性好等特点,能够求解更多的较为复杂的优化问题。

【文章页数】：6 页

【文章目录】：
1 和声搜索算法
    1.1 标准和声搜索算法
    1.2 改进的和声算法
2 教与学优化算法
    2.1 标准的教与学优化算法
    2.2 教与学优化算法的改进
3 和声—教与学混合优化算法
    3.1 动态选择策略
    3.2 算法流程
4 实验仿真测试
    4.1 实验环境与参数设置
    4.2 实验结果与分析
    4.3 选择周期T的分析
    4.4 动态选择策略分析
5 结束语



本文编号：3980912