×

受限教学-基于学习的优化,使用可变搜索策略实现连续优化。 (英语) Zbl 1451.90174号

小结:通过使用受限TLBO(CTLBO)来消除教学因素,对著名的优化方法——基于学习的优化教学法(TLBO)进行了改进。对于不同类型的搜索因子,建议使用不同的设置,因为它们用于不同的目的。此外,在TLBO中引入了交叉频率,以防止过早收敛。此外,为了提高算法的开发和探索能力,在教师阶段引入了八种新的变异策略,在学生阶段引入了四种新的突变策略。实验结果表明,所提出的版本,尤其是那些采用低交叉频率或实施各种变异策略的版本,在早期阶段的收敛速度特别快,以较低的成本达到收敛精度,以更低的成本或更高的精度达到收敛平台,很好地处理了组合函数的测试,并在CEC2015测试问题上取得了具有竞争力的性能。

MSC公司:

90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Banharnsakun,A。;Achalakul,T。;Sirinaovakul,B.,《人工蜂群算法中的最佳so-far选择》,应用。软计算。,11, 2, 2888-2901 (2011)
[2] 巴斯特克,B。;Karaboga,D.,用于数值函数优化的人工蜂群(ABC)算法,(IEEE Swarm Intelligence Symposium.IEEE Swarm Intelligation Symposion会议记录,印第安纳波利斯,美国(2006))
[3] Baykasogálu,A。;Hamzadayi,A。;Köse,S.Y.,测试基于教学的优化(TLBO)算法在组合问题上的性能:flow shop和job shop调度案例,信息科学。,276, 204-218 (2014)
[4] Bojic,I。;波多布尼克,V。;I.卢比。;Jezic,G。;Kusek,M.,《自优化移动网络:使用firefly同步代理自动调整网络》,Inf.Sci。,182, 1, 77-92 (2012)
[5] 陈,D。;邹,F。;李,Z。;Wang,J。;Li,S.,一种用于求解全局优化问题的改进的基于教学的优化算法,信息科学。,297, 171-190 (2015)
[6] 钦塔,S。;Kommadath,R。;Kotecha,P.,《基于多目标改进教学的优化算法(MO-ITLBO)注释》,《信息科学》。,373, 337-350 (2016)
[7] Civicioglu,P.,数值优化问题的回溯搜索优化算法,应用。数学。计算。,219, 15, 8121-8144 (2013) ·Zbl 1288.65092号
[8] Cárepinšek,M。;Liu,S.H。;Mernik,L.,《基于学习的优化算法教学注释》,《信息科学》。,212, 79-93 (2012)
[9] 崔,L。;李·G。;罗,Y。;陈,F。;明,Z。;卢,N。;Lu,J.,具有双种群框架的增强型人工蜂群算法,Swarm Evol。计算。,43, 184-206 (2018)
[10] 邹德轩;吴建华;高立群;Li,Steven,无约束优化问题的改进差分进化算法,神经计算,120469-481(2013)
[11] Duan,P.Y。;李建清。;Wang,Y。;Sang,H.Y。;Jia,B.X.,使用改进的基于教学的优化算法解决冷水机组负荷优化问题,Optim。控制。申请。遇见。,39, 1, 65-77 (2018) ·Zbl 1390.90414号
[12] 加西米,M。;Ghavidel,S。;Gitizadeh,M。;Akbari,E.,《使用Lévy变异策略实现非光滑最优潮流的一种改进的基于教学-学习的优化算法》,《国际电力杂志》,65,375-384(2015)
[13] 高,W。;刘,S。;Huang,L.,用于全局优化的全局最佳人工蜂群算法,J.Compute。申请。数学。,236, 11, 2741-2753 (2012) ·Zbl 1241.65058号
[14] Hansen,N。;穆勒,S.D。;Koumoutsakos,P.,利用协方差矩阵自适应(CMA-ES)降低非自治进化策略的时间复杂性,Evol。计算。,11, 1, 1-18 (2013)
[15] Kiran,M.S。;Hakli,H。;Gunduz,M。;Uguz,H.,用于连续优化的可变搜索策略的人工蜂群算法,信息科学。,300, 1, 140-157 (2015)
[16] Liang,J.J。;Suganthan,P.N。;Deb,K.,《数值全局优化的新型组合测试函数》(2005年IEEE Swarm Intelligence Symposium(2005),SIS论文集)
[17] J.J.Liang,B.Y.Qu,P.N.Suganthan,Q.Chen,2015年CEC基于学习的实参数单目标优化竞赛的问题定义和评价标准,技术报告,中国郑州大学计算智能实验室和新加坡南洋理工大学,2014年。;J.J.Liang,B.Y.Qu,P.N.Suganthan,Q.Chen,2015年CEC基于学习的实际参数单目标优化竞赛的问题定义和评估标准,技术报告,计算智能实验室,郑州大学,中国郑州和新加坡南洋理工大学,2014年。
[18] Lim,W.H。;Mat Isa,N.A.,双向教学和同伴学习粒子群优化,信息科学。,280, 111-134 (2014)
[19] Lim,W.H。;Isa,N.A.M。;Tiang,S.S。;Tan,T.H。;Natarajan,E。;Wong,C.H.(黄光裕)。;Tang,J.R.,基于自适应拓扑连接的粒子群优化,IEEE Access,6,65347-65366(2018)
[20] 米尔贾利利,S。;米尔贾利利,S.M。;Lewis,A.,Grey Wolf Optimizer,高级工程师软件。,69, 46-61 (2014)
[21] Natarajan,E。;卡维亚拉桑,V。;Lim,W.H。;Tiang,S.S.公司。;Tan,T.H.,基于强化多目标教学-学习的delrin加工优化,IEEE Access,6,51528-51546(2018)
[22] 帕特尔,V。;Savsani,V.,通过改进的基于多目标教学的优化(MO-ITLBO)算法优化板式换热器设计,化学。工程研究设计。,92, 11, 2371-2382 (2014)
[23] 帕特尔,V。;Savsani,V.,《使用TS-TLBO(教程培训和自学习启发的教学-基于学习的优化)算法对斯特林热机进行多目标优化》,《能源》,95,528-541(2016)
[24] 帕特尔,V.K。;Savsani,V.J.,《传热搜索(HTS):一种新的优化算法》,《信息科学》。,324, 217-246 (2015)
[25] 秦,A.K。;Suganthan,P.N.,数值优化的自适应差分进化算法,IEEE Trans。进化。计算。,1-3, 1785-1791 (2005)
[26] Rai,D.P.,《关于“基于多目标改进教学-学习的优化算法(MO-ITLBO)”的评论》,国际J工业工程计算。,8, 179-190 (2017)
[27] 拉贾,B.D。;Jhala,R.L。;Patel,V.,《使用教程培训和自学习启发的基于学习的优化算法(TS-TLBO)对旋转蓄热器进行多目标优化》,应用。热量。工程,93,456-467(2016)
[28] Rao,R.V。;萨夫萨尼,V.J。;Vakharia,D.P.,《基于教学的优化:连续非线性大规模问题的优化方法》,《信息科学》。,183, 1, 1-15 (2012)
[29] Rao,R.V。;Patel,V.,一种用于解决无约束优化问题的改进的基于教学的优化算法,Sci。伊朗。,20, 3, 710-720 (2013)
[30] Rao,R.V。;Patel,V.,《使用改进的基于教学的优化算法对两级热电制冷器进行多目标优化》,《工程应用》。Artif公司。智力。,26, 1, 430-445 (2013)
[31] Rao,R.V。;Patel,V.,用于解决无约束优化问题的基于精英教学的优化算法的比较性能,Int.J.Ind.Eng.Comput。,4, 29-50 (2013)
[32] Rao,R.V。;Patel,V.,使用改进的基于教学的优化算法对换热器进行多目标优化,应用。数学。型号。,37, 3, 1147-1162 (2013) ·Zbl 1351.90147号
[33] Rao,R.V。;Patel,V.,无约束和约束优化问题的多目标改进的基于教学的优化算法,Int.J.Ind.Eng.Comput。,5, 1-22 (2014)
[34] 蔡,H.C。;Lin,Y.H.,用粒子群优化公式和通信行为修改鱼群算法,应用。软计算。,11, 8, 5367-5374 (2011)
[35] 蔡,H.C。;Tyan,Y.Y。;吴永伟。;Lin,Y.H.,引力粒子群,应用。数学。计算。,219, 17, 9106-9117 (2013) ·Zbl 1311.68151号
[36] 蔡洪川,《新型蜜蜂算法:随机自适应邻域》,应用。数学。计算。,247, 15, 1161-1172 (2014) ·Zbl 1338.90479号
[37] 蔡洪川,将人工蜂群算法与蜜蜂算法相结合以解决约束优化问题,信息科学。,258, 80-93 (2014)
[38] Tsai,H.C.,统一粒子群为粒子群优化提供了高效性,应用。软计算。,55, 371-383 (2017)
[39] Waghmare,G.,关于“基于学习的优化算法教学说明”的评论,《信息科学》。,229, 159-169 (2013)
[40] 王,B.C。;李海霞。;Feng,Y.,一种改进的基于教学-学习的约束进化优化方法,Inf.Sci。,456, 131-144 (2018)
[41] Xu,Y。;范,P。;Yuan,L.,一种简单有效的人工蜂群算法。数学。工程师Prob,526315,1-9(2013)
[42] Yang,X.S。;Deb,S.,通过levy航班进行布谷鸟搜索,(《世界自然与生物启发计算大会论文集》(NaBIC-2009)。《世界自然与生物启发计算大会论文集》(NaBIC-2009),印度哥印拜陀(2009),210-214
[43] Yang,X.S.,用于全局优化的花授粉算法,Lect。注释计算。科学。,7445, 240-249 (2012) ·兹比尔1374.68527
[44] Yu,D。;Hong,J。;张杰。;牛强,多目标个性化教学-基于学习的优化算法,应用。软计算。,62, 288-314 (2018)
[45] Yu,K。;王,X。;王忠,基于改进教学-学习优化算法的约束优化,信息科学。,352-353, 61-78 (2016)
[46] Zaheer,H。;裤子,M。;库马尔,S。;莫纳霍夫,O。;莫纳霍娃,E。;Deep,K.,《差异进化的新导向力策略》,国际期刊系统。阿苏。工程管理。,8, 2170-2183 (2017)
[47] 张杰。;Sanderson,A.C.,JADE:具有可选外部存档的自适应差分进化,IEEE Trans。进化。计算。,13, 5, 945-958 (2009)
[48] 朱,G。;Kwong,S.,Gbest引导的数值函数优化人工蜂群算法,应用。数学。计算。,217, 7, 3166-3173 (2010) ·Zbl 1204.65074号
[49] 邹,F。;Wang,L。;Hei,X。;陈,D。;Yang,D.,基于教学的优化与动态组策略的全局优化,信息科学。,273, 112-131 (2014)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。