基于超球面扰动的指导粒子群算法

粒子群算法(PSO)借助其原理简单、易于实现的特点,已被应用在诸多领域。为了改进基本PSO算法收敛精度低,易陷入局部最优的缺点,提出了一种改进的PSO算法。在种群迭代更新中,引入精英指导策略加快粒子的收敛速度;引入超球面扰动策略,加强种群摆脱局部最优的能力。通过高维多峰测试函数进行测试比较,验证了该算法的优越性和有效性。

基于小班级并行教学的教与学优化算法研究

针对教与学优化算法后期收敛速度慢,易陷入局部最优的缺陷,提出了一种小班级并行教学的教与学优化算法。该算法将学生分成两个班级,一个班级在教学阶段之前加入学生预习阶段,以提高算法的开发能力。另一个班级引入Metropolis准则,提高算法搜索能力。选择两个班级中成绩较好的学生组成一个临时班级,并选出其中优秀学生按一定比例替换两个小班级中成绩较差学生继续寻优。每次迭代后,临时班级中的学生根据成绩好坏更新一次,直到满足条件跳出循环。在测试函数上进行仿真实验,验证了该算法的有效性。