融合学习心理学的人类学习优化算法

针对简单人类学习优化(SHLO)算法寻优精度低和收敛慢的问题,提出了一种融合学习心理学的人类学习优化算法(LPHLO)。首先,结合学习心理学中的小组学习(TBL)理论引入TBL算子,从而在个体经验、社会经验的基础上,增加了小组经验来对个体学习状态进行控制,避免算法早熟收敛;然后,结合记忆编码理论提出了动态调参策略,从而实现个体信息、社会信息、团队信息的有效融合,更好地平衡了算法局部探索和全局开发的能力。选取典型的组合优化难题——背包问题中的两种算例,即单约束背包问题、多约束背包问题进行仿真实验,实验结果表明,所提LPHLO与基本的SHLO算法、遗传算法(GA)和二进制粒子群优化(BPSO)算法等算法相比,在寻优精度和收敛速度方面更具优势,具有更好的解决实际问题的能力。