教與學優(yōu)化算法的改進研究及其應用.pdf

1、教與學優(yōu)化算法（Teaching Learning based Optimization Algorithms，TLBO）是近年來提出的一種新穎的群體智能算法，模擬的是現(xiàn)實生活中教師教學與學生學習從而提高學習成績的過程，算法具有簡單性、可擴展性、靈活性、穩(wěn)健性、自組織性、隱含并行性等特點，被廣泛應用于多種領域。相關研究表明，TLBO算法仍然具有收斂速度較慢，求解精度較低，容易陷入局部最優(yōu)等弱點，為了提高算法的尋優(yōu)效率，針對算法存在的不足

2、，本論文提出了兩種改進機制：第一種是基于多教師相互學習的機制（More Teaching Learning based Optimization Algorithms，MTLBO），第二種是基于自適應步長改進的機制（Adaptive Teaching Learning based Optimization Algorithms，ATLBO）。本文主要工作如下：
　　(1)應用隨機過程的理論分析了TLBO算法的收斂性。
　　(

3、2)針對標準TLBO算法存在的后期收斂速度慢，求解精度較低，易陷入局部最優(yōu)的弱點，提出了多教師相互學習的改進機制。在TLBO算法中設置多名教師進行教學，用于保持種群多樣性，并且教師之間也可以相互學習交流，以提高學生學習速度，從而提高了算法的尋優(yōu)精度，并且使算法能夠克服易陷入局部最優(yōu)的弱點。改進后的算法在10個benchmark函數(shù)上進行測試并與GA、PSO、AFSA和標準TLBO進行對比，測試結果表明改進后的算法有更快的收斂速度和更高的

4、解精度。
　　(3)為了克服標準TLBO算法求解精度較低，容易陷入局部最優(yōu)的弱點，提出了一種自適應步長的改進機制。標準算法中，學生的學習步長是一個隨機值，忽略了實際中學生進步速度隨自身狀態(tài)好壞而改變的規(guī)律。改進后的學習步長是隨著學生自身狀態(tài)的變化而改變，從而提高算法的尋優(yōu)精度。通過在10個Benchmark函數(shù)上的測試并與GA、PSO、AFSA和標準TLBO進行對比，測試結果表明改進后的算法在解精度、穩(wěn)定性和收斂速度上均優(yōu)于TLB