基于K-均值的“教”与“学”优化算法

来源：计算机应用杂志2015年第11期北京时间：

作者：黄祥东, 夏士雄, 牛强, 赵志军

单位：1. 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;2. 舟山市定海区交通建设事务中心, 浙江 舟山 316000

摘要：在解决复杂多峰优化问题时,传统的"教"与"学"优化算法易于陷入局部搜索且优化效率较低.针对此问题,提出了一种基于K-均值的"教"与"学"优化改进算法,算法采用K-均值来降低种群规模,又针对"教"和"学"两个阶段进行相应改进,提高全局收敛速度;还加入了"变异"操作来避免算法陷入局部最优.实验对7个单峰值优化问题和2个有代表性的多峰值优化问题进行优化,并与手榴弹爆破算法和传统"教"与"学"优化算法进行比较,实验结果表明,该改进算法在单峰和多峰测试函数中,均能快速高效地寻得全局最优解,优于原始"教"与"学"优化算法.

关键词：教与学优化算法,K-均值,多峰函数,全局最优解

基金资助：江苏省产学研联合创新资金前瞻性联合研究项目(BY2014028-09);国家海洋局数字海洋科学技术重点实验室开放基金资助项目(KLDO201304);浙江省交通运输厅科研计划项目(2014T25).