基于非线性收敛因子和标杆管理的改进教与学优化算法

来源：上海理工大学学报杂志2022年第5期北京时间：

作者：陈雪芬，叶春明

单位：上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093

摘要：针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题，提出了一种改进教与学优化算法（MTLBO）。在算法的教学和学习阶段，分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs，与标准教与学优化算法（TLBO）的对比实验结果表明，3种MTLBO均优于TLBO，其中，引入2种策略的MTLBO3取得了最佳的数值实验结果，其远优于原始TLBO。为进一步验证提出算法的有效性，与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明，MTLBO3的寻优性能明显优于其他对比方法，具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后，使用有约束的工程优化问题进一步验证了提出算法的有效性。

关键词：群智能优化算法;教与学优化算法;收敛因子;标杆管理

基金资助：国家自然科学基金资助项目（71840003）；上海市哲学社会科学一般项目（2022BGL10）