计算机科学与探索 ›› 2016, Vol. 10 ›› Issue (9): 1341-1350.DOI: 10.3778/j.issn.1673-9418.1604008
• 人工智能与模式识别 • 上一篇
王培崇1,2+,马 玥1,耿明月3,汪慎文1
WANG Peichong1,2+, MA Yue1, GENG Mingyue3, WANG Shenwen1
摘要: 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。