教与学优化算法

摘要： 为了有效快速求解0-1背包问题,提出了改进的教与学优化算法.在基本教与学优化算法的基础上,根据0-1背包问题离散化的特点提出了二进制编码方案,利用贪心算子修复不可行解并优化可行解,加快了算法的收敛速度;为了更好地平衡全局探索和局部开发的关系,使用正余弦算子和自适应的惯性权重在迭代过程中调整探索和开发的相对比例,避免算法陷入局部最优解.使用4个20到100维的测试案例进行仿真实验,实验数据表明提出算法比其他3个算法具有更快的收敛速度、更高的寻优精度和更强的鲁棒性.

摘要： 针对教与学优化算法(teaching-learning-based optimization, TLBO)寻优精度低、易陷入局部最优的问题,提出了一种融合认知心理学理论的新型教与学优化算法(cognitive psychology teaching-learning-based optimization, CPTLBO)。在教阶段融入登门槛效应理论,对于学习有困难的学生设置阶段性学习目标,从而提高学生的整体水平;在学阶段加入老师引导机制,提高算法收敛速度;随后,加入自我调整阶段,学生根据心理控制源理论可被分为内控型和外控型,不同类型的学生对自身成绩采取不同的归因方式并采取相应措施。利用经典的基准测试函数对CPTLBO进行测验,结果表明改进算法在寻优精度和收敛速度方面具有优势。构建CPTLBO-ELM自来水供水量预测模型,采用CPTLBO算法优化极端学习机的输入权值和隐含层阈值参数,以提高模型的预测精度和泛化能力。仿真结果表明:用CPTLBO算法优化后的模型预测结果更准确。

摘要： 针对现有基因微阵列数据分类中存在的数据维度高、容易发生过拟合的问题,提出了基于BTLBOGSA(Binary TLBOGSA)与卷积神经网络(Convolutional Neural Network,CNN)的基因微阵列数据分类模型(BTLBOGSA-CNN)。该模型首先针对基因微阵列数据分类时存在的数据维度高的问题,利用新的编码策略,将连续搜索空间转换为二元搜索空间,结合教与学优化(Teaching-Learning-Based Optimization,TLBO)算法的二元变体与引力搜索算法(Gravitational Search Algorithm,GSA)的各自特点,基于BTLBOGSA方法从基因微阵列数据集中选择具有高鉴别性的基因;然后针对基因微阵列数据分类易发生过拟合问题的现象,利用卷积神经网络进行基因微阵列数据的分类。利用公开的基因微阵列数据集进行仿真实验,从TLBO算法与GSA结合的有效性、BTLBOGSA与CNN结合的有效性、BTLBOGSA-CNN与其他已有分类模型相比的有效性3个方面进行对比分析,结果表明,BTLBOGSA-CNN模型可以在较少的特征基因下取得较高的分类精度,具有较高的可行性和有效性。

摘要： 针对单一种群在解决高维问题中收敛速度较慢和多样性缺失的问题,提出了一种教与学信息交互粒子群优化(PSO)算法。根据进化过程将种群动态地划分为两个子种群,分别采用粒子群优化算法和教与学优化算法,同时粒子利用学习者阶段进行子种群之间信息交互,并通过评价收敛性和多样性指标让粒子的收敛能力和多样性在进化过程中得到平衡。与粒子群优化算法、混合灰狼粒子群算法、重选精英个体的非线性收敛灰狼优化(GWO)算法等多个进化算法在15个标准测试函数的不同维度下进行对比实验,所提算法在多个测试函数上可以收敛到理论最优值,速度相对于其他算法提高了1~6倍。实验结果表明,所提算法在收敛精度和收敛速度上具有较好的效果。

摘要： 光伏发电系统中阵列模型及其参数辨识的准确性对光伏电站故障诊断、发电功率预测以及并网运行的稳定性评估具有重要意义。在单二极管模型基础上建立了光伏阵列数学模型,并提出一种基于Tent混沌映射的改进教与学优化算法对模型参数进行辨识,通过实测数据和参数辨识后的仿真结果进行对比,验证了该模型的准确性、求解快速性以及稳定性,为下阶段综合能源系统建模奠定模型基础。

摘要： 针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。

摘要： 提出了一种求解烟草配送路径规划问题的新型智能优化算法ITLBO.受现代多样化学习方式的启发,在传统教与学优化(TLBO)算法的框架基础上,新增加了培训阶段、自学阶段和反向学习阶段,以提高算法的全局寻优能力和解的质量.引入迭代变化法、线性顺序交叉(LOX)、2-opt算子对每个学习阶段离散化,使得算法能很好适用于组合优化问题.混合了精英选择、自适应退火以及禁忌策略,在有效平衡种群集中性和多样性的同时,加快算法的搜索过程.对某烟草公司单一车辆和多车辆配送路径规划问题求解结果表明:所提出的算法能优化配送路线,降低配送成本.

摘要： 该研究基于近红外光谱(NIRs)技术,以2016~2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法(CARS)、蒙特卡洛无信息变量消除法(MC-UVE)以及随机青蛙算法(RF)3种变量筛选方法的极限学习机(ELM)模型效果,与常规判别方法偏最小二乘判别分析(PLS-DA)比较,验证了ELM模型的优势。并通过教与学优化(TLBO)算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO-ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。

摘要： 由于猫群优化算法中搜寻子猫群和跟踪子猫群缺乏交互,影响其收敛速度和收敛精度,故设计一种搜寻子猫群和跟踪子猫群信息交互策略,充分利用已搜索空间,实现普通猫群向优秀猫群学习,从而提高算法的全局搜索能力和收敛速度。在10个标准测试函数上,对比分析了该算法与原始猫群优化(CSO)算法、基于动态搜索的自适应猫群(ADSCSO)算法的平均值、标准差和最优解。实验结果表明,改进后的算法在绝大多数测试函数上的全局搜索能力和收敛速度有显著提升。

摘要： 舰载机机库维修能力是制约舰载机机群可用度乃至出动、作战能力的关键要素,为提升舰载机机库维修效率并减轻传统人工制定维修计划的负担,研究了舰载机机群机库维修任务调度方法。首先,系统分析了舰载机机群机库维修任务调度的作业流程模式,基于维修资源约束,面向实际维修任务需求,提出了将舰载机机群波次可用度指标和机库维修人员负载均衡性指标作为分层优化目标,建立了舰载机机群机库维修任务调度模型。其次,将模型抽象为多技能资源受限项目调度问题,提出了基于资源约束推进的串行调度机制,并设计了混合教与学优化算法。最后,通过设计仿真案例和算法对比,验证了模型和算法的可行性与有效性,所提出的混合教与学算法具备更好的收敛速度和优化性能,有一定的工程借鉴意义。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明公开了一种基于改进教与学和组优化算法的多气体源定位方法，为了弥补现有多气体源定位技术的不足，本发明创新性的将多无人机群与改进教与学和组优化算法结合，提出了改进教与学和组优化算法。在组方法中包括组形成、限制组大小、组合并、组解散操作，在评估无人机加入哪个组时考虑了距离和适应度，这有助于无人机在同时接收多个信号时有选择的加入组；限制组大小提高了无人机分配效率；组合并是当两个组的全局最佳位置的无人机的y位置坐标差小于侧风距离时进行合并，可以提升系统性能和避免局部冗余覆盖；考虑组解散，避免该组一直停留在已找到的气体源中。本方法在多气体污染源浓度场仿真实验中，高效地实现了多气体污染源的定位。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 一种基于类粒子群正态优化算法的SKINNY算法组件优化方法，包括步骤如下：1、设定SKINNY密码算法组件格式；2、种群初始化，生成符合要求的初始种群用于后续优化；3、种群个体预处理，对种群中的个体进行预处理，使其符合SKINNY密码算法组件格式，用于后续目标函数计算；4、设定SKINNY密码算法目标函数，根据SKINNY密码算法所需要优化的性能指标，选择确定轮数下的活跃s盒数作为优化标准，计算方式作为SKINNY密码算法目标函数；5、种群迭代更新，根据类粒子群正态优化算法的设定对初始种群进行更新迭代，最终得到符合设定指标下的种群；6、算法输出，根据设定，对符合要求的算法组件进行存储，并输出一个或多个性能最优的算法组件。

摘要： 本发明公开的转台标定算法优化算法及转台标定算法，涉及计算机技术领域，通过将标准坐标系下的第一坐标点分别变换至各个不同转台姿态下的相机坐标系下的第二坐标点，得到坐标点集合；分别计算第一坐标点与坐标点集合中各个坐标点之间的距离误差，生成距离误差集合；根据距离误差集合，得到转台标定算法的目标损失函数；根据目标损失函数，对转台标定算法进行优化，提高了当前旋转轴每次旋转过后的特征点的3D点云精度，旋转轴越多，拼接精度越高。

摘要： 本发明公开了一种结合Dijkstra算法和A*算法求取最佳路径的优化算法，Dijkstra算法是典型最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。A*(A‑Star)算法是一种静态路网中求解最短路经最有效的方法，A*关注点到点的最短路径(包括具体路径)。两种路径算法各有自身优缺点，本发明则是在Dijkstra算法和A*算法基础之上结合各自优点而发明的一种优化算法。

摘要： 本发明公开了一种基于改进教与学优化算法的HT‑29图像分割方法，该方法将自适应的自学习机制融入到传统教与学优化算法中，形成改进的教与学优化算法，包括步骤：(1)计算需分割的HT‑29人结肠癌细胞图像每个像素的邻域灰度均值，得到二维灰度直方图；(2)建立HT‑29图像二维最大熵阈值分割的最优化模型；(3)采用改进教与学优化算法对HT‑29图像二维最大熵阈值分割的最优化模型进行优化，得到最优阈值矩阵；(4)利用最优阈值矩阵对需分割的HT‑29图像进行分割。本发明有效提高了HT‑29人结肠癌图像分割的效率和分割结果的精度。

摘要： 本发明公开了一种基于混合教与学算法的焊接路径规划方法，以提高机器人的焊接效率。所述方法首先对教与学算法进行改进，采用遗传算法离散化的方法将传统的教与学算法离散化，然后将原有的两个阶段的教学过程扩展优化为教师培训、教师教学、学生学习、学生自学、教师反向学习五个阶段。其次，将离散后的教与学优化算法和多种智能优化算法混合，结合教与学优化算法算子的集中性、模拟退火算法算子的多样性，从而增强了混合教与学算法的解的多样性，有效平衡了算法的局部搜索和全局搜索能力，提高了算法收敛速率，使得算法更快搜索到最佳路径。

摘要： 本发明公开了一种基于混合教与学算法的焊接路径规划方法，以提高机器人的焊接效率。所述方法首先对教与学算法进行改进，采用遗传算法离散化的方法将传统的教与学算法离散化，然后将原有的两个阶段的教学过程扩展优化为教师培训、教师教学、学生学习、学生自学、教师反向学习五个阶段。其次，将离散后的教与学优化算法和多种智能优化算法混合，结合教与学优化算法算子的集中性、模拟退火算法算子的多样性，从而增强了混合教与学算法的解的多样性，有效平衡了算法的局部搜索和全局搜索能力，提高了算法收敛速率，使得算法更快搜索到最佳路径。

摘要： 本发明公开了一种基于改进教与学优化算法的HT‑29图像分割方法，该方法将自适应的自学习机制融入到传统教与学优化算法中，形成改进的教与学优化算法，包括步骤：(1)计算需分割的HT‑29人结肠癌细胞图像每个像素的邻域灰度均值，得到二维灰度直方图；(2)建立HT‑29图像二维最大熵阈值分割的最优化模型；(3)采用改进教与学优化算法对HT‑29图像二维最大熵阈值分割的最优化模型进行优化，得到最优阈值矩阵；(4)利用最优阈值矩阵对需分割的HT‑29图像进行分割。本发明有效提高了HT‑29人结肠癌图像分割的效率和分割结果的精度。