论文部分内容阅读
为提高对多种不同类型问题的优化性能,提出了一种基于和声搜索和教与学优化的混合优化算法(HHSTL)。在不同的进化阶段,HHSTL算法依据种群活跃率及种群最优个体更新率动态地确定和声算法或教与学算法作为下一周期种群更新方式的比例,并在标准教与学算法中增加了"自学"策略来提高算法的全局寻优能力。对16个不同类型的Benchmark函数进行仿真,并与七种优秀算法进行结果比较及Wilcoxon秩和检验分析,结果表明HHSTL算法汲取了和声搜索和教与学优化算法的优点,具有求解精度高、稳定性好等特点,能够求解更