基于分层多子群的教与学优化算法

• 作者: 孙滢 王滔 高岳林
• 来源期刊: 合肥工业大学学报（自然科学版）
• 学科: 工学
• 关键词: 教与学优化(TLBO) 函数优化 动态取值 分层多子群
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 46-51
• 页数: 6页
• 分类号: TP18
• 字数: 3498字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5060.2019.01.009

摘要

文章针对教与学优化(teaching-learning-based optimization,TLBO)算法在求解高维函数优化问题时易陷入局部最优与"早熟"现象、迭代后期收敛速度慢、求解精度低的缺点,提出了一种基于分层多子群的教与学优化算法(hierarchical subpopulation TLBO,HSTLBO),对平均学生水平进行重新定义,并根据适应度值对教学因子动态取值;通过预设的一个等级层次结构,将种群划分为若干个子群,构成层次结构的底层;底层子群粒子相对独立进化,保证种群多样性,每个子群的最优粒子则构成层次结构的上一层,提升算法的全局收敛能力,子群自下而上更新.通过10个Benchmark函数将提出的算法与其他算法进行对比实验,结果表明,HSTLBO在求解精度和收敛速度方面均优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岳林	北方民族大学信息与系统科学研究所	146	1138	17.0	27.0
2	王滔	北方民族大学信息与系统科学研究所	2	2	1.0	1.0
3	孙滢	合肥工业大学计算机与信息学院	1	1	1.0	1.0