针对多目标教与学算法在求解多目标优化问题中容易陷入局部最优解和全局搜索能力较差等问题,提出了一种基于自适应变异概率的多目标教与学优化算法(Adaptive Mutation Muti-Objective Teaching Learning Based On Optimization,AMMOTLBO).首先,引入一种反思行为机制,令学生经历了“教”与“学”过程之后,能够进行自我反思,增强算法的多样性.然后,动态调整算法的变异概率,避免最优个体陷入局部最优解.最后,采用ZDT测试函数进行仿真实验,结果表明:在非支配解集的收敛性和多样性方面,AMMOTLBO均优于传统MOTLBO算法,验证了该算法的有效性.
展开▼