10.3778/j.issn.1673-9418.1508071
嵌入共轭梯度的二次学习教与学优化算法
教与学优化算法通过模拟自然班的教与学行为实现复杂问题的求解,已经得到较为广泛的应用。为了克服该算法容易早熟,解精度低的弱点,提出了一种改进的混合混沌共轭梯度法教与学优化算法。改进算法应用Chebyshev混沌映射初始化种群,以提高初始种群对解空间的覆盖。为了保持种群多样性,引入动态学习因子,使学生个体能够在早期主要向教师学习,并逐渐提高个人知识对其进化的影响比例。每次迭代后,教师个体将执行共轭梯度搜索。种群内适应度较差的学生个体如果长时间状态难以改变,则基于反向学习和高斯学习进行二次学习优化。最后在多个典型测试函数上的实验表明,改进算法对比相关算法具有较佳的全局收敛性,解精度较高,适用于求解较高维的函数优化问题。
教与学优化算法、Chebyshev映射、动态自适应学习、共轭梯度法、二次学习
10
TP18(自动化基础理论)
The Social Science Foundation of Hebei Province under Grant No. HB16TQ001
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
891-900