基于混合学习策略的教与学优化算法

发布时间：2018-03-07 18:40

  本文选题：教与学优化算法　切入点：差分变异　出处：《浙江大学学报(工学版)》2017年05期 　论文类型：期刊论文

【摘要】：为了提高教与学优化算法(TLBO)的搜索能力,解决算法易陷入局部最优的问题,提出基于混合学习策略和扰动的教与学优化算法.在教与学算法的学阶段融合差分进化算法变异策略,提出混合学习策略,使学员在学习后期具有更好的学习能力,提高算法的收敛性能;在算法后期提出新的扰动策略,减小学员在算法后期陷入局部最优的可能,保证算法全局最优性.基于标准测试函数的实验结果表明,相比于目前性能优异的同类4种算法,改进算法可有效提高算法的收敛速度和收敛精度,优化性能明显提高.
[Abstract]:In order to improve the search ability of teaching and learning optimization algorithm (TLBO) and solve the problem that the algorithm is easy to fall into local optimum, A learning and teaching optimization algorithm based on mixed learning strategy and disturbance is proposed. In the learning stage of teaching and learning algorithm, the mutation strategy of differential evolution algorithm is merged, and the hybrid learning strategy is put forward to make students have better learning ability in the later stage of learning. The convergence performance of the algorithm is improved, and a new perturbation strategy is proposed in the later stage of the algorithm to reduce the possibility of trainee falling into local optimum in the later stage of the algorithm and to ensure the global optimality of the algorithm. The experimental results based on the standard test function show that, Compared with other four algorithms with excellent performance, the improved algorithm can effectively improve the convergence speed and accuracy of the algorithm, and improve the performance of the algorithm obviously.
【作者单位】： 哈尔滨工程大学信息与通信工程学院;
【基金】：国家自然科学基金资助项目(61175126)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 齐洁;汪定伟;;极值优化算法综述[J];控制与决策;2007年10期

2 孙骞;张进;王宇翔;;蚁群算法优化策略综述[J];信息安全与技术;2014年02期

3 胡娟,王常青,韩伟,全智;蚁群算法及其实现方法研究[J];计算机仿真;2004年07期

4 李金汉;杜德生;;一种改进蚁群算法的仿真研究[J];自动化技术与应用;2008年02期

5 李修琳;鲁建厦;柴国钟;汤洪涛;;混合蜂群算法求解柔性作业车间调度问题[J];计算机集成制造系统;2011年07期

6 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

7 李豆豆;邵世煌;齐金鹏;;生存迁移算法[J];系统仿真学报;2008年08期

8 曹炬;贾红;李婷婷;;烟花爆炸优化算法[J];计算机工程与科学;2011年01期

9 刘晓勇;付辉;;一种快速AP聚类算法[J];山东大学学报(工学版);2011年04期

10 王圣尧;王凌;方晨;许烨;;分布估计算法研究进展[J];控制与决策;2012年07期

相关会议论文 前2条

1 朱双东;艾智斌;阎夏;;BP网络学习算法的改进方案探析[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

2 唐乾玉;陈翰馥;韩曾晋;;串行生产线的参数优化[A];1994年中国控制会议论文集[C];1994年

相关博士学位论文 前2条

1 王可心;大规模过程系统非线性优化的简约空间理论与算法研究[D];浙江大学;2008年

2 傅启明;强化学习中离策略算法的分析及研究[D];苏州大学;2014年

相关硕士学位论文 前10条

1 马英钧;基于人工蜂群算法的约束优化问题研究[D];华中师范大学;2015年

2 孙方亮;基于粒子群与中心引力的一种新混合算法及应用[D];西安电子科技大学;2014年

3 张德祥;基于改进蚁群算法的机器人三维路径规划研究[D];青岛科技大学;2015年

4 卢协平;联盟竞赛算法的研究与应用[D];福州大学;2014年

5 代水芹;基于种群分解的进化超多目标算法及其应用[D];广东工业大学;2016年

6 李倩;支持张量机的切平面算法研究[D];华南理工大学;2016年

7 姚洪曼;基于改进人工蜂群算法的模糊聚类研究[D];广西大学;2016年

8 丁亚英;基于局部搜索和二进制的改进人工蜂群算法[D];南京师范大学;2016年

9 杨杰;基于粒子群优化算法的不确定聚类技术研究[D];北方民族大学;2016年

10 周雨鹏;基于鸽群算法的函数优化问题求解[D];东北师范大学;2016年

，

本文编号：1580477