嵌入共轭梯度的二次学习教与学优化算法

摘要：

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。

关键词：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

所属期刊栏目：10

分类号：TP18(自动化基础理论)

资助基金：The Social Science Foundation of Hebei Province under Grant No. HB16TQ001

在线出版日期：2016-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：891-900