融合改进天牛须搜索的教与学优化算法

• 作者: 欧阳城添 周凯
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 教与学优化 Tent映射 反向学习 天牛须搜索 混合变异
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 理论与研发|Theory, Research and Development
• 页码范围: 91-99
• 页数: 9页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2101-0125

摘要

针对教与学优化算法易早熟,解精度低,甚至收敛于局部最优的问题,提出一种新的融合改进天牛须搜索的教与学优化算法.该算法利用Tent映射反向学习策略初始化种群,提升初始解质量.在"教"阶段,对教师个体执行天牛须搜索算法,增强教师教学水平,提高最优解的精确性.在"学"阶段,对学生个体进行混合变异,从而跳出局部最优,平衡算法的全局搜索与局部开发.通过benchmark测试函数和部分CEC2013函数在不同维度对算法进行仿真实验,并进行Wilcoxon秩和检验统计,证明了改进教与学优化算法的优越性.使用压力容器设计优化问题对算法进一步验证,结果表明改进后的算法在求解约束优化问题时也具有更好的寻优性能,不仅收敛速度快,精度也提高了9个数量级.