具有小世界邻域结构的教与学优化算法

• Published in: 计算机科学与探索 Vol. 10; no. 9; pp. 1341 - 1350
• Main Authors: 王培崇, 马玥, 耿明月, 汪慎文
• Format: Journal Article
• Language: Chinese
• Published: 河北地质大学信息工程学院,石家庄050031 2016; 中国矿业大学信息与机电学院,北京100083%河北地质大学信息工程学院,石家庄,050031%重庆邮电大学计算机学院,重庆,400065
• Subjects: 邻域结构; 反向学习(OBL); opposition based learning (OBL); small world network; 小世界网络; 教与学优化(TLBO); teaching-learning-based optimization (TLBO); neighborhood structure
• ISSN: 1673-9418
• DOI: 10.3778/j.issn.1673-9418.1604008

TP301.6; 教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟“教”与“学”行为的群体智能算法.为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与学优化算法,并命名为S-TLBO (small world neighborhood TLBO).该算法采用小世界网络作为其种群的空间结构关系,种群中的个体被看作是网络上的节点.在算法的“教”阶段,学生基于概率向教师个体进行学习,而在“学”阶段,学生则在自己的邻居节点中随机选择较为优秀的个体进行学习.为了提高加强算法的勘探新解和开采能力,引入教师个体执行反向学习算法.在多个经典的测试函数上的实验结果表明,所提出的改进算法具有较高的全局收敛性和解精度,适合于求解较高维度的多模态函数优化问题.