随机交叉-自学策略改进的教与学优化算法
针对非原点最优的复杂优化问题(最优解不在坐标原点),提出了一种基于随机交叉-自学策略的教与学优化算法(teaching and learning optimization algorithm based on random crossover-self-study strategy,CSTLBO).对标准教与学优化算法的"教阶段"和"学阶段"的空间扰动进行了几何解释,改进了原有的"教阶段"和"学阶段",并引人随机交叉策略和"自学"策略来提高算法的全局寻优能力.通过使用20个Benchmark函数进行仿真,并与6种改进的教与学优化算法进行结果比较及Wilcoxon秩和检验分析,结果表明CSTLBO算法能有效避免陷入局部最优,具有良好的全局搜索能力,求解精度高,稳定性好.
群体智能、教与学优化、随机交叉、"自学"策略、Benchmark函数、非原点最优、多样性分析
16
TP391(计算技术、计算机技术)
国家自然科学基金;陕西省教育厅重点科研项目;陕西理工大学校级科研项目
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
313-322