文献类型：期刊文章

作　　者：李丽荣[1] 李木子[2,3] 李崔灿[2] 王培崇[2,3]

LI Lirong;LI Muzi;LI Cuican;WANG Peichong(College of Art Design,Hebei GEO University,Shijiazhuang 050031,China;College of Information and Engineering,Hebei GEO University,Shijiazhuang 050031,China;Laboratory of AI and Machine Learning,Hebei GEO University,Shijiazhuang 050031,China)

机构地区：[1]河北地质大学艺术设计学院,石家庄050031 [2]河北地质大学信息工程学院,石家庄050031 [3]河北地质大学人工智能与机器学习研究所,石家庄050031

出　　处：《计算机工程与应用》

基　　金：河北省社会科学基金(No.HB19GL0074);河北省高等学校科研项目(ZD2020344)。

年　　份：2020

卷　　号：56

期　　号：19

起止页码：62-67

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了克服教与学优化(TLBO)算法容易出现早熟和解精度低的问题,提出了一种动态自适应学习的改进教与学优化(DSLTLBO)算法。在DSLTLBO算法的"教"阶段,引入一个自适应变化的因子,使当前个体在早期主要向最优个体学习,后期能够较好地维持自身状态,种群多样性得以保持。在算法的后期,教师个体通过执行动态随机搜索算法,提高最优个体勘探新解的能力。在10个经典的Benchmark函数上的实验表明,该算法具有较好的收敛速度和解精度,较标准TLBO有较大能力提升,适合于求解较高维度的优化问题。

关 键 词：教与学优化(TLBO)  动态自适应 学习因子  动态随机搜索(DRS)  

分 类 号：TP301.6]