原文服务方: 计算机应用研究       
摘要:
教与学优化算法(teaching-learning-based optimization,TLBO)是一种模仿教学过程的新型启发式优化算法.针对TLBO算法寻优精度低、稳定性差的特点,提出了基于讨论组和自主学习的教与学优化算法DSTLBO(discussion group and self-learning TLBO).在原TLBO算法的“教”阶段当中加入了小组讨论,随机将全体同学分成若干组,通过组内学生向本组中学习最好的组长学习,提高了算法的局部开发和寻优能力;组长受老师和组内同学影响进行变异,提高了算法的探索能力;在“教”“学”阶段后,每个学生进入自我学习阶段,从而提高了算法的全局搜索能力.通过对八个复杂的Benchmark函数的测试表明:DSTLBO算法与基本TLBO算法和其经典改进算法ETLBO算法相比,在寻优精度、稳定性和收敛速度方面更具优势.
推荐文章
多学习教与学优化算法
教与学优化算法
反向学习技术
多学习机制
变异策略
“教与学”优化算法研究综述
“教与学”优化算法
“教”阶段
“学”阶段
基于混沌搜索和权重学习的教与学优化算法及其应用
教与学优化
权重学习
启发式算法
混沌搜索
全局优化
进化计算
非合作博弈
纳什均衡
嵌入共轭梯度的二次学习教与学优化算法
教与学优化算法
Chebyshev映射
动态自适应学习
共轭梯度法
二次学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于讨论组和自主学习的教与学优化算法
来源期刊 计算机应用研究 学科
关键词 教与学优化算法 讨论组 自主学习 变异
年,卷(期) 2018,(5) 所属期刊栏目 算法研究探讨
研究方向 页码范围 1386-1389,1407
页数 5页 分类号 TP18|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2018.05.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘雪静 河北地质大学信息工程学院 13 47 4.0 6.0
2 贺毅朝 河北地质大学信息工程学院 22 110 6.0 9.0
3 吴聪聪 河北地质大学信息工程学院 14 44 3.0 6.0
4 陈嶷瑛 河北地质大学信息工程学院 10 27 2.0 4.0
5 张祖斌 四川大学计算机学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (54)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(10)
  • 参考文献(3)
  • 二级参考文献(7)
2013(8)
  • 参考文献(4)
  • 二级参考文献(4)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
教与学优化算法
讨论组
自主学习
变异
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导