基于拉普拉斯分布与鲍德温效应的教与学算法及其应用

摘要：

教与学优化算法(TLBO)是一种进化能力非常强大的算法,近年被广泛应用于各种优化问题.但是,在TLBO算法进化的后期,随着进化迭代次数的增加和求解范围的缩小,种群的多样性逐渐降低,从而导致陷入局部最优和过早收敛.基于此,提出一种基于拉普拉斯分布和鲍德温学习效应的教与学优化算法(LBTLBO).该算法利用拉普拉斯分布的扰动来拓展探索空间,采用鲍德温学习效应识别出更多有前途的解,使算法更具有竞争性.实验结果表明,与原始TLBO、基于拉普拉斯分布的TLBO、基于鲍德温学习的TLBO以及改进版本的TLBO进行比较,LBTLBO提高了解的精度,具有很强的竞争力.最后,将LBTLBO应用于无人机航路规划问题,并进行了仿真实验,结果显示,与上述改进版本的TLBO相比,LBTLBO能获得更加准确的路径与收敛速度.

关键词：教与学优化算法、拉普拉斯分布、鲍德温学习效应、无人机航路规划

所属期刊栏目：29

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2611-2621