版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、教與學(xué)優(yōu)化算法(Teaching Learning based Optimization Algorithms,TLBO)是近年來(lái)提出的一種新穎的群體智能算法,模擬的是現(xiàn)實(shí)生活中教師教學(xué)與學(xué)生學(xué)習(xí)從而提高學(xué)習(xí)成績(jī)的過(guò)程,算法具有簡(jiǎn)單性、可擴(kuò)展性、靈活性、穩(wěn)健性、自組織性、隱含并行性等特點(diǎn),被廣泛應(yīng)用于多種領(lǐng)域。相關(guān)研究表明,TLBO算法仍然具有收斂速度較慢,求解精度較低,容易陷入局部最優(yōu)等弱點(diǎn),為了提高算法的尋優(yōu)效率,針對(duì)算法存在的不足
2、,本論文提出了兩種改進(jìn)機(jī)制:第一種是基于多教師相互學(xué)習(xí)的機(jī)制(More Teaching Learning based Optimization Algorithms,MTLBO),第二種是基于自適應(yīng)步長(zhǎng)改進(jìn)的機(jī)制(Adaptive Teaching Learning based Optimization Algorithms,ATLBO)。本文主要工作如下:
(1)應(yīng)用隨機(jī)過(guò)程的理論分析了TLBO算法的收斂性。
(
3、2)針對(duì)標(biāo)準(zhǔn)TLBO算法存在的后期收斂速度慢,求解精度較低,易陷入局部最優(yōu)的弱點(diǎn),提出了多教師相互學(xué)習(xí)的改進(jìn)機(jī)制。在TLBO算法中設(shè)置多名教師進(jìn)行教學(xué),用于保持種群多樣性,并且教師之間也可以相互學(xué)習(xí)交流,以提高學(xué)生學(xué)習(xí)速度,從而提高了算法的尋優(yōu)精度,并且使算法能夠克服易陷入局部最優(yōu)的弱點(diǎn)。改進(jìn)后的算法在10個(gè)benchmark函數(shù)上進(jìn)行測(cè)試并與GA、PSO、AFSA和標(biāo)準(zhǔn)TLBO進(jìn)行對(duì)比,測(cè)試結(jié)果表明改進(jìn)后的算法有更快的收斂速度和更高的
4、解精度。
(3)為了克服標(biāo)準(zhǔn)TLBO算法求解精度較低,容易陷入局部最優(yōu)的弱點(diǎn),提出了一種自適應(yīng)步長(zhǎng)的改進(jìn)機(jī)制。標(biāo)準(zhǔn)算法中,學(xué)生的學(xué)習(xí)步長(zhǎng)是一個(gè)隨機(jī)值,忽略了實(shí)際中學(xué)生進(jìn)步速度隨自身狀態(tài)好壞而改變的規(guī)律。改進(jìn)后的學(xué)習(xí)步長(zhǎng)是隨著學(xué)生自身狀態(tài)的變化而改變,從而提高算法的尋優(yōu)精度。通過(guò)在10個(gè)Benchmark函數(shù)上的測(cè)試并與GA、PSO、AFSA和標(biāo)準(zhǔn)TLBO進(jìn)行對(duì)比,測(cè)試結(jié)果表明改進(jìn)后的算法在解精度、穩(wěn)定性和收斂速度上均優(yōu)于TLB
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 教與學(xué)優(yōu)化算法的改進(jìn)研究.pdf
- 教與學(xué)優(yōu)化算法的研究與應(yīng)用.pdf
- 基于灰狼優(yōu)化算法的改進(jìn)研究及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進(jìn)研究及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用
- 改進(jìn)的云粒優(yōu)化算法及其應(yīng)用研究.pdf
- 蟻群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf
- 微粒群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf
- 改進(jìn)的粒子群優(yōu)化算法及其應(yīng)用研究.pdf
- 基于改進(jìn)演化算法的雙層組合優(yōu)化研究及其應(yīng)用.pdf
- 群搜索優(yōu)化算法的若干改進(jìn)及其應(yīng)用研究.pdf
- 改進(jìn)粒子群優(yōu)化算法及其應(yīng)用研究.pdf
- 改進(jìn)的PSO算法及其電機(jī)優(yōu)化中的應(yīng)用.pdf
- 教學(xué)優(yōu)化算法若干改進(jìn)及其應(yīng)用研究
- 24270.粒子群優(yōu)化算法改進(jìn)研究及其應(yīng)用
- 改進(jìn)的克隆選擇優(yōu)化算法及其應(yīng)用研究.pdf
- 遺傳算法的改進(jìn)研究及其在工程優(yōu)化中的應(yīng)用.pdf
- 群搜索優(yōu)化算法的改進(jìn)及其在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf
- 優(yōu)化設(shè)計(jì)中算法的研究及其改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論