论文研究求解约束优化问题的融合粒子群的教与学算法.pdf

针对约束优化问题，提出了一种融合粒子群的教与学算法。算法采用了一种自适应的教学因子，使得算法的搜索性能可以自适应地调整。引入了自我学习和相互学习的学习模式，使得信息交流更加多样化，增强了算法的全局搜索能力；最后根据适应度值将整个种群分为两个子种群，对适应度值差的子种群采用粒子群算法以提升收敛性能，对适应度值优的子种群采用教与学优化算法以增强种群的多样性，通过两种算法的优势互补，提升了算法的整体优化性能。通过在22个标准测试函数的实验和与其他三种算法的比较表明，融合粒子群的教与学算法求解精度高，收敛速度快，它是一种可行、高效的优化算法。