融合简化粒子群的教与学优化算法

发布时间：2017-06-20 13:03

  本文关键词：融合简化粒子群的教与学优化算法，由笔耕文化传播整理发布。

【摘要】：教与学优化算法(teaching-learning-based optimization algorithm,TLBO)是一种基于班级"教师阶段"和"学生阶段"的新型群智能优化算法.针对算法求解高维非线性复杂优化问题时精度较低的缺点,提出一种混合的教与学优化算法(HTLBO).首先,对"教师阶段"中的学生平均水平重新定义,并采用一种自适应策略根据粒子的适应度值对学习因子动态取值;然后,在迭代的过程中,根据适应度值将种群分成两个子种群,对于适应度值好的子种群采用改进的教与学优化算法(ATLBO)更新以增加种群的多样性,对于适应度值差的子种群采用简化粒子群算法(SPSO)以提升子种群的收敛性;最后,通过10个无约束优化问题进行对比测试实验,结果显示,HTLBO在探索性能和收敛速度方面优于TLBO等其他4种类型的算法.
【作者单位】： 北方民族大学计算机科学与工程学院;
【关键词】： 教与学算法 无约束优化 混合 简化粒子群
【基金】：国家自然科学基金(61462001) 北方民族大学校级科研项目(2013XYZ027)
【分类号】：TP18
【正文快照】： 基于对课堂上“教师阶段”和“学生阶段”这两个教学阶段的仿真模拟,Rao和Savsani于2011年首先提出教与学优化算法(teaching-learning-based optimization algorithm,TLBO)[1-2].在“教师阶段”,教师根据班级学生成绩的平均水平进行教学以引导学生学习,而在“学生阶段”,学生

  本文关键词：融合简化粒子群的教与学优化算法，由笔耕文化传播整理发布。

，

本文编号：465661