ICode9

精准搜索请尝试: 精确搜索
首页 > 编程语言> 文章详细

【优化求解】具有动态自适应学习机制的教与学优化算法matlab源码

2021-08-18 10:35:45  阅读:198  来源: 互联网

标签:平均值 教与学 算法 源码 标准差 差值 最优 优化 TLBO


一、理论基础

教与学优化算法(Teaching–Learning-Based Optimization, TLBO)是由Rao等提出的新型群智能算法,受老师指导学生和学生间互助学习的启发而产生,工作过程分为两部分:第一部分为“教阶段”,第二部分为“学阶段”。“教阶段”意味着向教师(当前最优解)学习,“学阶段”意味着通过学习者(所有个体)之间的互动进行学习。

1、“教”阶段

老师为最优适应度个体,学生通过向老师学习提高成绩,其数学表达式为:

 

2、“学”阶段

学阶段采用随机选择学习对象的方式实现学生间的互助学习以进一步提高成绩,可表示为:

 

二、动态自适应教与学优化算法

(1)动态自适应学习

 

(2)教师的动态随机搜索

为了提高算法的精度,在算法后期(本文为预设迭代次数的2/3后开始)引入教师个体执行动态随机搜索(Dynamic Random Search, DRS)。
DRS算法步骤如下:

输入: 个体X, 迭代次数M
输出: 个体X
步骤1 初始化步长d
步骤2 生成向量X'∈[-d,d] 
步骤4 生成向量 X1=X+X'和X2=X-X' 
步骤5 选择 X1,X2,X 中优者作为 X 
步骤6 调整步长d
步骤7 迭代没有结束则转, 步骤2; 否则输出X, 结束算法

(3)算法实现

动态自适应教与学优化算法(Dynamic Self-adapting Learning TLBO, SLTLBO)算法步骤如下:
在这里插入图片描述

二、仿真实验与分析

将DSLTLBO算法分别与DE、TLBO进行对比,设置种群规模为30,最大迭代次数为500,每个算法独立运行30次,以文献[1]中的F1、F4、F5、F7、F9、F10为例,F9为2维,其余均为30维。
结果显示如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

函数:F1
DE:平均值:0.00022807,标准差:0.00012011,最差值: 0.00072521,最优值:0.00010925
TLBO:平均值:3.26e-83,标准差:6.8668e-83,最差值: 3.3958e-82,最优值:1.5029e-85
DSLTLBO:平均值:0,标准差:0,最差值: 0,最优值:0
函数:F4
DE:平均值:165.5618,标准差:43.3656,最差值: 263.1405,最优值:50.0132
TLBO:平均值:24.6542,标准差:0.59487,最差值: 25.9268,最优值:23.22
DSLTLBO:平均值:25.9989,标准差:0.58726,最差值: 27.7658,最优值:24.9899
函数:F5
DE:平均值:0.0045841,标准差:0.0077149,最差值: 0.031694,最优值:0.00037177
TLBO:平均值:0,标准差:0,最差值: 0,最优值:0
DSLTLBO:平均值:0,标准差:0,最差值: 0,最优值:0
函数:F7
DE:平均值:32028.4572,标准差:4835.5427,最差值: 39584.3937,最优值:21203.0938
TLBO:平均值:1.0555e-17,标准差:2.5e-17,最差值: 1.3019e-16,最优值:4.0976e-21
DSLTLBO:平均值:6.9416e-321,标准差:0,最差值: 2.0787e-319,最优值:0
函数:F9
DE:平均值:-1.0316,标准差:6.7752e-16,最差值: -1.0316,最优值:-1.0316
TLBO:平均值:-1.0316,标准差:6.7752e-16,最差值: -1.0316,最优值:-1.0316
DSLTLBO:平均值:-1.0316,标准差:6.7122e-16,最差值: -1.0316,最优值:-1.0316
函数:F10
DE:平均值:0.3541,标准差:0.02903,最差值: 0.41504,最优值:0.31216
TLBO:平均值:0.016203,标准差:0.0118,最差值: 0.037224,最优值:0.0097159
DSLTLBO:平均值:0.0097159,标准差:1.8507e-09,最差值: 0.0097159,最优值:0.0097159

实验表明,本文提出的DSLTLBO算法具有较好的收敛速度和求解精度。

三、参考文献

[1] 李丽荣, 李木子, 李崔灿, 王培崇. 具有动态自适应学习机制的教与学优化算法[J]. 计算机工程与应用, 2020, 56(19): 62-67.

标签:平均值,教与学,算法,源码,标准差,差值,最优,优化,TLBO
来源: https://www.cnblogs.com/matlabxiao/p/15155641.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有