随机交叉-自学策略改进的教与学优化算法

• 作者: 黎延海 雍龙泉 拓守恒
• 来源期刊: 智能系统学报
• 关键词: 群体智能 教与学优化 随机交叉 "自学"策略 Benchmark函数 非原点最优 多样性分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 智能系统|Intelligent Systems
• 页码范围: 313-322
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.201910045

摘要

针对非原点最优的复杂优化问题(最优解不在坐标原点),提出了一种基于随机交叉-自学策略的教与学优化算法(teaching and learning optimization algorithm based on random crossover-self-study strategy,CSTLBO).对标准教与学优化算法的"教阶段"和"学阶段"的空间扰动进行了几何解释,改进了原有的"教阶段"和"学阶段",并引人随机交叉策略和"自学"策略来提高算法的全局寻优能力.通过使用20个Benchmark函数进行仿真,并与6种改进的教与学优化算法进行结果比较及Wilcoxon秩和检验分析,结果表明CSTLBO算法能有效避免陷入局部最优,具有良好的全局搜索能力,求解精度高,稳定性好.