面向高维复杂多模态问题的教与学优化求解算法

针对教与学优化算法(teaching-learning-based optimization,TLBO)在求解一些高维多模态复杂优化问题时,存在种群容易过早陷入局部搜索,导致丢失全局最优解的问题,提出一种改进的TLBO优化算法(MTLBO)。该算法以更接近人类的学习方式,对标准TLBO中的"教"和"学"过程进行了改进,并引入了新的"自学"机制来加强学员的创新学习能力,从而有效提高了算法的全局探索能力。通过10个复杂的多模态优化问题测试表明,在求解复杂多模态问题方面,与五种具有优异性能的TLBO算法和三种经典的群智能计算方法(如Sa DE、CLPSO、NGHS)相比,MTLBO算法具有全局搜索能力强、稳定性好等明显优势。