本文關(guān)鍵詞：融合簡化粒子群的教與學(xué)優(yōu)化算法，由筆耕文化傳播整理發(fā)布。

【摘要】：教與學(xué)優(yōu)化算法(teaching-learning-based optimization algorithm,TLBO)是一種基于班級"教師階段"和"學(xué)生階段"的新型群智能優(yōu)化算法.針對算法求解高維非線性復(fù)雜優(yōu)化問題時精度較低的缺點,提出一種混合的教與學(xué)優(yōu)化算法(HTLBO).首先,對"教師階段"中的學(xué)生平均水平重新定義,并采用一種自適應(yīng)策略根據(jù)粒子的適應(yīng)度值對學(xué)習(xí)因子動態(tài)取值;然后,在迭代的過程中,根據(jù)適應(yīng)度值將種群分成兩個子種群,對于適應(yīng)度值好的子種群采用改進的教與學(xué)優(yōu)化算法(ATLBO)更新以增加種群的多樣性,對于適應(yīng)度值差的子種群采用簡化粒子群算法(SPSO)以提升子種群的收斂性;最后,通過10個無約束優(yōu)化問題進行對比測試實驗,結(jié)果顯示,HTLBO在探索性能和收斂速度方面優(yōu)于TLBO等其他4種類型的算法.
【作者單位】： 北方民族大學(xué)計算機科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 教與學(xué)算法 無約束優(yōu)化 混合 簡化粒子群
【基金】：國家自然科學(xué)基金(61462001) 北方民族大學(xué)校級科研項目(2013XYZ027)
【分類號】：TP18
【正文快照】： 基于對課堂上“教師階段”和“學(xué)生階段”這兩個教學(xué)階段的仿真模擬,Rao和Savsani于2011年首先提出教與學(xué)優(yōu)化算法(teaching-learning-based optimization algorithm,TLBO)[1-2].在“教師階段”,教師根據(jù)班級學(xué)生成績的平均水平進行教學(xué)以引導(dǎo)學(xué)生學(xué)習(xí),而在“學(xué)生階段”,學(xué)生

  本文關(guān)鍵詞：融合簡化粒子群的教與學(xué)優(yōu)化算法，由筆耕文化傳播整理發(fā)布。

，

本文編號：465661