多學(xué)習教與學(xué)優(yōu)化算法

第33卷第2期計算機應用與軟件Vol. 33 No. 22016年2月Computer Applications and SofwareFeb. 2016多學(xué)習教與學(xué)優(yōu)化算法李志南’南新元’李娜’史德生2'(新疆大學(xué)電氣工程學(xué)院 新疆烏魯木齊830047)2(國網(wǎng)山東利津縣供電公司山東 東營(yíng)257400)摘針對教與學(xué)優(yōu)化算法(TLBO)局部開(kāi)發(fā)能力差,易陷入局部最優(yōu)的缺點(diǎn),提出一種基于反向學(xué)習的多學(xué)習教與學(xué)優(yōu)化算法(MTLBO)。通過(guò)反向學(xué)習技術(shù)拓展搜索空間,增加解的多樣性,進(jìn)一步增強算法的全局搜索能力。引入多學(xué)習機制,使其更有效地進(jìn)行局部搜索,加快收斂速度。同時(shí)提出一種小概率變異策略,增加跳出局部最優(yōu)的可能性。在基準測試函數上進(jìn)行驗證實(shí)驗,結果表明,與TLBO算法JITLBO算法以及其他優(yōu)化算法相比,該算法在低維和高維函數上都取得了較好的優(yōu)化效果。關(guān)鍵詞教與學(xué)優(yōu)化算法反向學(xué)習技術(shù) 多學(xué)習機制變異策略中圖分類(lèi)號TP3文獻標識碼AD0I: 10.3969/j. issn. 1000-386x. 2016. 02. 057TEACHING-LEARNING-BASED OPTIMISATION ALGORITHM WITHMULTI-LEA RNING STRATEGYLi Zhinan' Nan Xinyuan’Li Na’Shi Desheng''( School of Electrical Enginering ,Xinjiang University , Unumqi 830047 ,Xinjang , China)2( Ljinxian Power Supply Company , State Grid ,Dongying 257400 , Shandong , China)AbstractWe proposed a teaching-learming-based optimisation algorithm ( TLBO ) with multi-learning mechanism ( MTLBO)，which isbased on the opposition-based learning, aimed at the drawbacks of basic TLBO in poor local development ability and solutions being prone tofalling into local optima. It broadens the search space through oppsition-based learning technology to increase the diversity of solutions andfurther improve the global search ability of the algorithm. The introduction of multi-learning mechanism makes the local search more efctiand speeds up the convergence rate. Meanwhile we presented a small probability mutation strategy to increase the likelihood of solutionsjumping out of local optima. V erification experiments were carried out on benchmark test functions, results indicated that compared with basicTLBO, ITLBO and other optimised algorithms ，the proposed MTLBO algorithm achieved better optimisation effect on both low and highdimensional functions.KeywordsTeaching- learning-based optimisation algorithmOpposition-based learning technologyMulti-learming mechanismMutation strategy問(wèn)題。這些改進(jìn)算法雖然在一-定程度上提高了TLBO算法的優(yōu)0引.言化性能,但還是存在易陷入局部最優(yōu)的問(wèn)題。針對TLBO算法局部搜索能力較弱的缺陷,本文提出了-教與學(xué)優(yōu)化算法TLBO是一種新的元啟發(fā)式優(yōu)化算法,由.種多學(xué)習教與學(xué)優(yōu)化( MTLBO)算法。采用多種學(xué)習方式來(lái)增印度學(xué)者RaoR V等人在2011年提出,它主要模擬教師的教強算法的局部搜索能力;利用反向學(xué)習技術(shù)[9]擴展解空間,增學(xué)過(guò)程和學(xué)生之間的相互學(xué)習和交流過(guò)程。TLBO算法包括兩加種群的多樣性,進(jìn)一步增強算法的全局探索能力;同時(shí)引入小個(gè)重要階段第一是教學(xué)階段，教師將自已的知識傳授給學(xué)生，概率的擾動(dòng)策略,提高跳出局部最優(yōu)的可能性。最后,通過(guò)對比提高班級的整體水平;第二二是學(xué)習階段,學(xué)生通過(guò)課下的交流來(lái)實(shí)驗驗證了該算法的有效性。提高自己的學(xué)習成績(jì)。TLBO算法結構簡(jiǎn)單,易于理解,參數少,有極強的收斂能力和較好的全局搜索能力,已成功應用于很筑汁多工程問(wèn)題,如非線(xiàn)性連續大規模優(yōu)化2,平面鋼框架優(yōu)化設中國煤化工計[B] ,電力經(jīng)濟調度[4]和熱交換器優(yōu)化[5.01等問(wèn)題?；鵜Hc NM H G學(xué)過(guò)程和學(xué)生的互相學(xué)習TLBO算法全局搜索能力強，收斂速度快,但局部收索能力過(guò)程的啟發(fā)而提出來(lái)的,包括教學(xué)和學(xué)習兩個(gè)階段。在教學(xué)階差,易陷人局部最優(yōu)。學(xué)者們針對該缺陷先后提出了一系列改進(jìn)算法,如RaoR V等人提出了一種基于多個(gè)老師的教與學(xué)優(yōu)收稿日期:2014 -06 -29。新疆“十二五”制造業(yè)信息化科技示范工化算法"(TLBO)和帶有精英策略的教與學(xué)優(yōu)化算法'*1 ( MO-程項目(201130110)。李志南碩士生,主研領(lǐng)域:智能優(yōu)化算法。南新ITLBO),前者應用于無(wú)約束優(yōu)化問(wèn)題,后者應用于多目標優(yōu)化元,副教授。李娜,碩士生。史德生,本科生。第2期李志南等:多學(xué)習教與學(xué)優(yōu)化算法247段,學(xué)生通過(guò)老師與學(xué)生的平均水平值之間的差異來(lái)提高自己學(xué)習方式比較單一，局部開(kāi)發(fā)能力弱,容易陷入局部最優(yōu)。為的成績(jì);學(xué)習階段學(xué)生根據自身情況,與優(yōu)秀學(xué)生進(jìn)行交流學(xué)此,本文提出了-一種新的多學(xué)習策略;即個(gè)體在向鄰近較優(yōu)個(gè)體習,提高自己的成績(jì)。學(xué)習的同時(shí),通過(guò)差異學(xué)習過(guò)程,彌補自身的不足,從而提高自1.1教學(xué)階段己。兩種學(xué)習策略的引入,大大增強了算法的局部搜索能力,降教學(xué)階段是模擬老師的教學(xué)過(guò)程,選擇種群中的最優(yōu)個(gè)體低了算法易陷人局部最優(yōu)的可能。改進(jìn)的多學(xué)習方式表示如式作為老師,老師盡最大努力使得學(xué)生的平均水平向自己靠近,提(5)和式(6)所示:ifrand < 0.5高班級的整體水平。教學(xué)過(guò)程的數學(xué)表達式如式(1)所示:X=X""+rand. (Xldw - TF . Mean)(1)X"" =x.nd +rand.(xX!d-x") f(Xxu) a本文選取文獻[7]和文獻[15]中的13個(gè)測試函數對本文u(x,a,k,m) =0←a≤x≤a y=1 +一(1 +x)提出的改進(jìn)算法進(jìn)行函數優(yōu)化測試,并選擇基本TLBO算法甲，1-TLB0算法[7]、ABC算法[13] .I-ABC算法[4]進(jìn)行對比實(shí)驗。測lk(-x; -a)"x;