融合海马策略的教与学优化算法

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：李会荣;任春年;叶雯静

摘要：教与学优化算法(TLBO)是模拟班级内教师教学和学生学习过程的一种新型智能优化算法。 为了克服教与学优化算法局部能力不强和进化后期容易陷入局部最优的问题,提出一种融合海马策略的教与学优化算法(SHOTLBO)。 该算法在“教学阶段”引入海马捕食行为,并通过自适应参数的非线性变化调节 SHOTLBO 算法的搜索区域,增强教师的教学能力,提高种群最优解的精准性;在“学习阶段”添加学生主动学习算子,学生主动向教师学习,引入海马的两种运动行为,即 levy 飞行分布函数和布朗运动,实现算法大跨度随机移动,跳出局部最优解,维持种群的多样性,提升算法的全局搜索能力。 在 23 个标准测试函数上的数值实验表明,与海马优化算法( SHO)、黑翅鸢优化算法(BKA)、TLBO、MTLBO、CMDEATLBO 及 RLTLBO 算法相比,提出的 SHOTLBO 算法不仅具有较好的全局搜索能力,而且在收敛速度、收敛精度上均有明显提升。

关键词：教与学优化算法;海马优化算法;主动学习;levy飞行分布函数