带有交叉操作的教-学优化算法

doi:10.12068/j.issn.1005-3026.2014.03.005

东北大学学报:自然科学版 ›› 2014, Vol. 35 ›› Issue (3): 323-327.DOI: 10.12068/j.issn.1005-3026.2014.03.005

带有交叉操作的教-学优化算法

高立群，欧阳海滨，孔祥勇，刘宏志

(东北大学信息科学与工程学院，辽宁沈阳110819)

收稿日期:2013-06-17 修回日期:2013-06-17 出版日期:2014-03-15 发布日期:2013-11-22
通讯作者: 高立群
作者简介:高立群(1949-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61273155).

TeachingLearning Based Optimization Algorithm with Crossover Operation

GAO Liqun， OUYANG Haibin， KONG Xiangyong， LIU Hongzhi

School of Information Science & Engineering， Northeastern University， Shenyang 110819， China.

Received:2013-06-17 Revised:2013-06-17 Online:2014-03-15 Published:2013-11-22
Contact: OUYANG Haibin
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对教-学优化算法(TLBO)求解无约束数值优化问题容易陷入局部最优的不足，提出了一种带有交叉操作的教-学优化算法(C-TLBO).将差分进化算法的交叉操作引入到TLBO算法中，有效地融合了教学阶段和学习阶段，增强了算法的局部搜索，平衡了算法的开采和探索.数值结果表明该算法在优化精度、收敛速度、鲁棒性方面，优于TLBO算法、I-TLBO算法以及其他智能优化算法，具有良好的发展前景.

关键词: 教-学优化算法, 局部最优, 交叉操作, 开采, 探索

Abstract: Since the teachinglearning based optimization (TLBO) algorithm was easily trapped into local optima in solving unconstrained numerical optimization problems， a teachinglearning based optimization algorithm with crossover operation was proposed. The crossover operation of differential evolution was incorporated into TLBO， this operation was effectively integrating teaching and learning stage and it was beneficial to enhance local search and balance exploitation and exploration. The numerical results show that the proposed algorithm is better than TLBO， ITLBO and other intelligent methods in terms of optimization precision， convergence speed and robustness， and the algorithm has good perspectives.

Key words: teachinglearning based optimization algorithm, local optima, crossover operation, exploitation, exploration

中图分类号:

TP301.6

高立群，欧阳海滨，孔祥勇，刘宏志. 带有交叉操作的教-学优化算法[J]. 东北大学学报:自然科学版, 2014, 35(3): 323-327.

GAO Liqun， OUYANG Haibin， KONG Xiangyong， LIU Hongzhi. TeachingLearning Based Optimization Algorithm with Crossover Operation[J]. Journal of Northeastern University Natural Science, 2014, 35(3): 323-327.

参考文献

[1] Rao R V，Savsani V J，Vakharia D P.Teachinglearningbased optimization:a novel method for constrained mechanical design optimization problems［J］.ComputerAided Design，2011，43(3):303/315.
[2] Rao R V，Savsani V J，Vakharia D P.Teachinglearning based optimization:an optimization method for continuous nonlinear large scale problems［J］.Information Science，2012，183(1):1/15.
[3] Provas K R.Teaching learning based optimization for shortterm hydrothermal scheduling problem considering value point effect and prohibited discharge constraint［J］.International Journal Electrical Power & Energy Systems，2013，53:10/19.
[4] Rao R V，Kalyankar V D.Parameter optimization of modern machining processes using teachinglearning based optimization algorithm［J］.Engineering Applications of Artificial Intelligence，2013，26(1):524/531.
[5] Rao R V，Patel V.An elitist teachinglearningbased optimization algorithm for solving complex constrained optimization problems［J］.International Journal of Industrial Engineering Computations，2012，3(4):535–560.
[6] Rao R V，Patel V.An improved teachinglearningbased optimization algorithm for solving unconstrained optimization problems［J］.Scientia Iranica，2013，20(3):710/720.
[7] Li G Q，Niu P F，Zhang W P，et al.Model NOx emissions by least squares support vector machine with tuning based on ameliorated teachinglearningbased optimization［J］.Chemometrics and Intelligent Laboratory Systems，2013，126:11/20.
[8] Zou F，Wang L，He X H，et al.Multiobjective optimization using teachinglearningbased optimization algorithm［J］.Engineering Applications of Artificial Intelligence，2013，26(4):1291/1300.
[9] 吴沛锋，高立群，邹德旋，等.一种改进粒子群优化算法［J］.东北大学学报:自然科学版，2011，32(12):1692/1695.(Wu Peifeng，Gao Liqun，Zou Dexuan，et al.An improved particle swarm optimization algorithm［J］.Journal of Northeastern University:Natural Science，2011，32(12):1692/1695.)
[10] Zhang J Q，Sanderson A C.JADE:adaptive differential evolution with optional external archive［J］.IEEE Transactions on Evolutionary Computation，2009，13(5):945/958.

[1]	王泓博，张勇，庞义辉. 近距离煤层下行跨煤柱开采巷道的合理布局[J]. 东北大学学报（自然科学版）, 2023, 44(1): 100-109.
[2]	王海芳，崔阳阳，李鸣飞，李广宇. 基于改进RRT*FN的移动机器人路径规划算法[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1217-1225.
[3]	王海芳，张瑶，朱亚锟，陈晓波. 基于改进双向RRT^*的移动机器人路径规划算法[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1065-1071.
[4]	张超，宋卫东，付建新，刘建博. 深部复杂金矿体充填开采对地表建筑物稳定性影响[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1143-1152.
[5]	贾超，张少鹏，丁朋朋，吴静. 地面沉降对地下水时空响应及其非工程控沉[J]. 东北大学学报（自然科学版）, 2021, 42(7): 1032-1040.
[6]	张洪伟，张通，万志军，周长冰. 高温高压下岩石水力压裂实验新型封隔技术[J]. 东北大学学报（自然科学版）, 2021, 42(3): 422-428.
[7]	崔雪婷，李颖，范嘉豪. 全局混沌蝙蝠优化算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 488-492.
[8]	关守安，李皓，金长宇，刘冬. 粗榆金矿地下开采覆岩运移规律数值模拟[J]. 东北大学学报:自然科学版, 2020, 41(3): 402-407.
[9]	顾晓薇，张伟峰，王青，胥孝川. 分期矿量范围对境界优化的影响[J]. 东北大学学报:自然科学版, 2019, 40(4): 557-562.
[10]	关守安，李爽，金长宇，刘冬. 缓倾斜中厚矿体充填开采上覆岩层运移规律研究[J]. 东北大学学报:自然科学版, 2019, 40(11): 1630-1635.
[11]	范晓明，任凤玉，肖冬，毛亚纯. 具有深凹特征的改进挂帮矿诱导冒落开采方法[J]. 东北大学学报:自然科学版, 2018, 39(9): 1321-1326.
[12]	王青，田维西，顾晓薇，秦宗琛. 不同市场条件下金属露天矿分期方案动态优化[J]. 东北大学学报:自然科学版, 2018, 39(7): 1044-1048.
[13]	王蒙湘，李芳芳，于戈. 交互式数据探索框架的特征自适应技术[J]. 东北大学学报:自然科学版, 2018, 39(12): 1685-1690.
[14]	李杨,杨天鸿,侯宪港,汪泓. 基于微震监测的高强度开采工作面围岩响应规律[J]. 东北大学学报:自然科学版, 2017, 38(6): 854-858.
[15]	柯愈贤，王新民，张钦礼，刘恩彦. 基于全尾砂充填体非线性本构模型的深井充填强度指标[J]. 东北大学学报:自然科学版, 2017, 38(2): 280-283.

带有交叉操作的教-学优化算法

TeachingLearning Based Optimization Algorithm with Crossover Operation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价