论文部分内容阅读
教与学优化算法(Teaching Learning based Optimization Algorithms,TLBO)是近年来提出的一种新颖的群体智能算法,模拟的是现实生活中教师教学与学生学习从而提高学习成绩的过程,算法具有简单性、可扩展性、灵活性、稳健性、自组织性、隐含并行性等特点,被广泛应用于多种领域。相关研究表明,TLBO算法仍然具有收敛速度较慢,求解精度较低,容易陷入局部最优等弱点,为了提高算法的寻优效率,针对算法存在的不足,本论文提出了两种改进机制:第一种是基于多教师相互学习的机制(More Teaching Learning based Optimization Algorithms,MTLBO),第二种是基于自适应步长改进的机制(Adaptive Teaching Learning based Optimization Algorithms,ATLBO)。本文主要工作如下:(1)应用随机过程的理论分析了TLBO算法的收敛性。(2)针对标准TLBO算法存在的后期收敛速度慢,求解精度较低,易陷入局部最优的弱点,提出了多教师相互学习的改进机制。在TLBO算法中设置多名教师进行教学,用于保持种群多样性,并且教师之间也可以相互学习交流,以提高学生学习速度,从而提高了算法的寻优精度,并且使算法能够克服易陷入局部最优的弱点。改进后的算法在10个benchmark函数上进行测试并与GA、PSO、AFSA和标准TLBO进行对比,测试结果表明改进后的算法有更快的收敛速度和更高的解精度。(3)为了克服标准TLBO算法求解精度较低,容易陷入局部最优的弱点,提出了一种自适应步长的改进机制。标准算法中,学生的学习步长是一个随机值,忽略了实际中学生进步速度随自身状态好坏而改变的规律。改进后的学习步长是随着学生自身状态的变化而改变,从而提高算法的寻优精度。通过在10个Benchmark函数上的测试并与GA、PSO、AFSA和标准TLBO进行对比,测试结果表明改进后的算法在解精度、稳定性和收敛速度上均优于TLBO。(4)将算法应用求解虚拟物流配送问题,取得了较好的效果。