基于混沌搜索和权重学习的教与学优化算法及其应用

摘要

针对教与学优化算法容易陷入早熟收敛的问题,本研究提出了一种基于混沌搜索和权重学习的教与学优化(teaching-learning-based optimization algorithm based on chaotic search and weighted learning,TLBO-CSWL)算法.在TLBO-CSWL算法的教学阶段,不仅利用权重学习得到的个体来指引种群的进化,而且还使用正态分布随机数来替代原有的均匀随机数.另外,TLBO-CSWL还使用Logistics混沌搜索策略来提高其全局搜索能力.仿真结果表明,TLBO-CSWL的整体优化性能要好于其他所比较的算法.最后,将TLBO-CSWL用于求解非合作博弈纳什均衡问题,获得满意的结果.