融合加权中心学习的改进教与学优化算法

摘要

针对教与学优化(teaching-learning-based optimization,TLBO)算法容易出现收敛速度慢、解精度下降、早熟等问题,提出了一种融合加权中心学习的改进教与学优化(improved teaching-learning-based optimization with weighted center,WCTLBO)算法。利用Halton序列初始化种群,增加算法搜索到最佳解的可能性;将加权中心学习思想与“教”算子融合,并以该中心取代教师的“教”职责,抑制种群在教师个体周围的过早聚集,保证最优个体在收敛过程中的主导作用;将小组讨论机制引入“学”算子,有效抑制“教”算子存在的早熟问题,使个体在算法后期具一定的突跳性,避免种群陷入局部最优。在14个测试函数上进行仿真实验,结果表明,WCTLBO算法与其他同族算法相比,具有更高的解精度和更快的收敛速度。