摘 要：为了克服教与学优化算法在解决无约束优化问题时容易陷入局部最优、收敛速度慢的局限性，文章提出了一种改进的教与学优化（ITLBO）算法。ITLBO 算法在教师教学的过程中采用高斯分布和小概率随机扰动的策略；在学员学习的过程中通过增加权重系数来加强算法的局部寻优能力，平衡算法的开采和探索能力；最后，利用 11 个测试函数对 ITLBO 算法进行了性能测试，结果表明 ITLBO 算法在寻优精度和收敛速度上都要优于其他智能优化算法。
关键词：教与学；高斯分布；局部最优；收敛；算法
DOI:10.19850/j.cnki.2096-4706.2021.03.017
基金项目：2020 年甘肃省气象局气象科学 技术研究项目（MsCg2020-05）
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2021）03-0061-07
Application of an Improved Teaching and Learning Algorithm in Function Optimization
LIU Yang，XU Juan，LIU Yanxiu，ZHANG Chunyan
（Gansu Meteorological Information and Technical Equipment Support Center，Lanzhou 730020，China）
Abstract：In order to overcome the limitations of teaching and learning optimization algorithm，which is easy to fall into local optimum and low convergence rate when solving unconstrained optimization problems，an improved teaching-learning-based optimization （ITLBO）algorithm is proposed. In the ITLBO algorithm，during the process of teachers’ teaching，adopts the strategy of Gaussian distribution and small probability random perturbation；during the process of students’s learning，it strengthens the local optimization ability of the algorithm by increasing weight coefficient，so as to balance the mining and exploration ability of the algorithm. Finally， eleven test functions are used to test the performance of ITLBO algorithm. The results show that ITLBO algorithm is superior to other intelligent optimization algorithms in optimization accuracy and convergence rate.
Keywords：teaching and learning；Gaussian distribution；local optimum；convergence；algorithm
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] 李志南 . 教与学优化算法的改进及应用研究 [D]. 新疆： 新疆大学，2015.
[3] 王敏 . 基于高斯分布的教与学优化算法研究与应用 [D]. 兰州：兰州大学，2016.
[4] 黎延海，拓守恒，雍龙泉 . 动态选择策略的和声教与学混 合算法 [J]. 计算机应用研究，2019，36（12）:3679-3684.
[5] 李丽荣，李木子，李崔灿，等 . 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.
[6] 许慧铭 . 教与学算法在电力系统最优潮流的应用研究 [D]. 广州：华南理工大学，2015.
[7] 麻利新，李萍，李芸 . 基于教与学算法的风力发电系统区 间优化调度 [J]. 电气传动自动化，2019，41（5）：19-23.
[8] XU Y，WANG L，WANG S Y，et al. An effective teaching– learning-based optimization algorithm for the flexible job-shop scheduling problem with fuzzy processing time [J].Neurocomputing， 2015，148：260-268.
[9] 何雨洁 . 离散教与学优化算法求解复杂车间调度问题 [D]. 昆明：昆明理工大学，2019.
[10] 孙希霞，白晓东，许斌，等 . 基于协同进化教与学优化 算法的图像分割 [J]. 南京邮电大学学报（自然科学版），2019，39 （2）：84-90.
[11] 陈永政 . 新型教与学优化算法及其在需水预测中的应用 [J]. 科学技术与工程，2020，20（8）：3117-3121.
[12] 何虹兴 . 基于改进教与学算法的滑模控制研究 [D]. 南京： 南京航空航天大学，2018.
[13] 李红伟，蒋嘉焱，刘青卓，等 . 基于改进教与学算法的 配网多目标无功优化 [J]. 控制工程，2020，27（5）：878-883.
[14] 马翩翩，张新刚，梁晶晶 . 基于教与学优化改进的近邻 传播聚类算法 [J]. 计算机系统应用，2020，29（5）：220-225.
[15] 李佩茜，冯少荣 . 一种高效的基于教与学的社区发现算 法 [J]. 厦门大学学报（自然科学版），2018，57（1）：104-111.
[16] 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.
[17] 吴聪聪，贺毅朝，陈嶷瑛，等 . 基于讨论组和自主学习 的教与学优化算法 [J]. 计算机应用研究，2018，35（5）：1386- 1389+1407.
[18] 童楠，符强，钟才明 . 一种基于反思机制的教与学优化算法 [J]. 计算机应用研究，2018，35 （12）：3678-3681.
[19] LIM W H，ISA N A M. Bidirectional teaching and peerlearning particle swarm optimization [J].Information Sciences，2014， 280（4）：111-134.
[20] 韩俊茹，史旭栋 . 混合教与学算法的蝙蝠群算法 [J]. 甘 肃联合大学学报（自然科学版），2018，32（3）：29-33+42
[21] 赵乃刚，李勇，王振荣 . 求解约束优化问题的融合粒 子群的教与学算法 [J]. 计算机应用研究，2018，35（5）：1307- 1309.
[22] 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， 2010，43（3）：303-315.
[23] STORN R，PRICE K. Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces [J]. Journal of global optimization，1997，11（4）：341-359.
[24] ZOU D X，GAO L Q，WU J H，et al. Novel global harmony search algorithm for unconstrained problems [J].Neurocomputing， 2010，73（16-18）：3308-3318.
[25] VALIAN E，TAVAKOLI S，MOHANNA S. An intelligent global harmony search approach to continuous optimization problems [J].Applied Mathematics and Computation，2014，232（1）：670- 684.
作者简介：刘洋（1987—），男，汉族，甘肃平凉人，中级工程师， 硕士研究生，研究方向：智能优化算法，车间调度，分布式计算， 气象大数据；徐娟（1990—），女，汉族，甘肃会宁人，中级工程师， 本科，研究方向：信息网络和资源调度；刘妍秀（1989—），女， 汉族，甘肃天水人，助理工程师，硕士研究生，研究方向：气象大 数据，气象信息传输和大气物理学；张春燕（1992—），女，汉族， 甘肃陇西人，助理工程师，硕士研究生，研究方向：智能信息处理， 数据挖掘，电力数据处理。