針對原始教與學(xué)優(yōu)化算法全局搜索和局部搜索協(xié)調(diào)不足、當(dāng)前反向?qū)W習(xí)策略過于單一的問題,將多種反向?qū)W習(xí)策略同教與學(xué)優(yōu)化算法相結(jié)合,提出一種基于多反向?qū)W習(xí)的教與學(xué)優(yōu)化（MOTLBO）算法。首先,借鑒反向?qū)W習(xí)的思想,設(shè)計一種基于Sigmoid函數(shù)且隨進化代數(shù)逐漸變化的非線性混合反向?qū)W習(xí)模型,模型綜合考慮了問題的搜索邊界信息和種群的歷史搜索信息;其次,在原始教與學(xué)算法教和學(xué)兩個階段的基礎(chǔ)上,增加了基于搜索邊界指導(dǎo)的自學(xué)習(xí)階段,增強了種群的多樣性;最后,將混合反向?qū)W習(xí)模型與算法的各階段相結(jié)合,根據(jù)各階段的不同特征,設(shè)計了基于均值個體、隨機個體和最優(yōu)個體的反向解計算方法,充分吸收種群的歷史搜索經(jīng)驗,提高算法的收斂精度和速度。采用具有不同特征的Benchmark測試函數(shù)對算法的非線性混合反向?qū)W習(xí)模型和收斂性能進行測試,實驗結(jié)果表明:非線性混合反向?qū)W習(xí)模型相對于單一的邊界信息反向?qū)W習(xí)或種群信息反向?qū)W習(xí),具有更強的全局搜索和局部探測能力;而與原始教與學(xué)優(yōu)化算法及其改進算法相比,MOTLBO算法在獲得較高的收斂精度和穩(wěn)定性的同時保持了更快的收斂速度,其綜合性能得到較大提升。此外,對擴頻雷達相位編碼求解的實驗結(jié)... 

【文章來源】：工程科學(xué)與技術(shù). 2019年06期 北大核心

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]局部維度改進的教與學(xué)優(yōu)化算法[J]. 何杰光,彭志平,崔得龍,李啟銳.  浙江大學(xué)學(xué)報(工學(xué)版). 2018(11)
[2]一種基于反思機制的教與學(xué)優(yōu)化算法[J]. 童楠,符強,鐘才明.  計算機應(yīng)用研究. 2018(12)
[3]一種鄰域重心反向?qū)W習(xí)的粒子群優(yōu)化算法[J]. 周凌云,丁立新,彭虎,強小利.  電子學(xué)報. 2017(11)
[4]基于混合學(xué)習(xí)策略的教與學(xué)優(yōu)化算法[J]. 畢曉君,王佳薈.  浙江大學(xué)學(xué)報(工學(xué)版). 2017(05)
[5]基于混合策略的自適應(yīng)教與學(xué)優(yōu)化算法[J]. 畢曉君,李月,陳春雨.  哈爾濱工程大學(xué)學(xué)報. 2016(06)
[6]改進的雙種群競爭教與學(xué)優(yōu)化算法[J]. 王培崇,錢旭.  計算機工程與應(yīng)用. 2015(24)
[7]基于反饋的精英教學(xué)優(yōu)化算法[J]. 于坤杰,王昕,王振雷.  自動化學(xué)報. 2014(09)



本文編號：2958193