典型文献
融合改进天牛须搜索的教与学优化算法
文献摘要：
针对教与学优化算法易早熟,解精度低,甚至收敛于局部最优的问题,提出一种新的融合改进天牛须搜索的教与学优化算法.该算法利用Tent映射反向学习策略初始化种群,提升初始解质量.在"教"阶段,对教师个体执行天牛须搜索算法,增强教师教学水平,提高最优解的精确性.在"学"阶段,对学生个体进行混合变异,从而跳出局部最优,平衡算法的全局搜索与局部开发.通过benchmark测试函数和部分CEC2013函数在不同维度对算法进行仿真实验,并进行Wilcoxon秩和检验统计,证明了改进教与学优化算法的优越性.使用压力容器设计优化问题对算法进一步验证,结果表明改进后的算法在求解约束优化问题时也具有更好的寻优性能,不仅收敛速度快,精度也提高了9个数量级.
文献关键词：
教与学优化;Tent映射;反向学习;天牛须搜索;混合变异
中图分类号：
作者姓名：
欧阳城添;周凯
作者机构：
江西理工大学 信息工程学院,江西 赣州 341000
文献出处：
引用格式：
[1]欧阳城添;周凯-.融合改进天牛须搜索的教与学优化算法)[J].计算机工程与应用,2022(04):91-99
A类：
B类：
教与学优化算法,早熟,局部最优,法利,Tent,反向学习策略,策略初始化,初始解,教师个体,行天,天牛须搜索算法,教师教学,教学水平,最优解,精确性,混合变异,跳出局部,全局搜索,局部开发,benchmark,测试函数,CEC2013,不同维度,Wilcoxon,秩和检验,压力容器设计,解约,约束优化问题,寻优性能,收敛速度,数量级
AB值：
0.3463
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
