改进教与学算法在圆度误差评定中的应用

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进教与学算法的圆度误差评定方法。首先,通过圆度误差最小区域原则的数学模型,建立算法的目标函数。其次,在标准教与学算法的基础上,设计了两阶段爬山搜索策略增强局部开发能力,进一步提高算法精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法,遗传算法,粒子群算法等进行对比。实例表明,改进教与学算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了其优越性。

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中"学生"信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。

基于改进的教与学算法的线性自抗扰在负荷频率控制中的应用

以单区域电力系统为研究对象,以负荷频率的稳定控制为目的,本文在线性自抗扰控制技术的基础上,提出了一种改进的教与学优化算法用于优化线性自抗扰控制器参数及补偿增益,改进的教与学算法对教学因子和学习阶段进行修正,并引入权重因子,提高了算法的全局搜索能力以及后期局部搜索能力,提高了算法的精度和收敛速度。仿真结果表明改进的教与学算法在优化线性自抗扰控制器参数的性能上要优于传统教与学算法、改进的差分进化算法及经验法的参数整定,即保证系统具有良好的动态性能下仍具有良好的鲁棒性。

改进的教与学优化算法求解多工艺路线的炼钢连铸生产调度问题

针对多工艺路线、多并行机和有限缓冲单元的炼钢连铸生产调度问题,用连续时间表示法建立混合整数线性规划优化模型,并提出增加自学习阶段的改进教与学优化算法求解该问题。在算法中,采用了随机键的编码和两阶段解码方法,有效保证了解空间的多样性;同时,对具有有限缓冲约束的生产调度问题,针对有限缓冲不满足的情况,提出了基于最小移动距离的有限缓冲消解机制,并将其用于解码过程中。最后,根据实际生产数据,验证了该算法对单一工艺路线和复杂工艺路线生产的适用性,并产生多组不同规模的算例验证了算法的适用性和优越性。

以教与学方式变革促进常见问题解决——小学美术学科融合活动设计与实践

提高课堂教学质量,需要课堂教学的变革。小学美术学科"教与学方式变革"项目团队从日常教学的常见问题入手,立足问题解决的视角,以学科融合的活动设计来完善教学内容结构、调整教学方式,筛选教学资源,以改进教与学方式来促进探索性、研究性学习的真实发生,使学生面对学习、生活中的实际问题,能自主运用不同学科的知识与学科思维方法来解决问题,形成可持续发展的能力。

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。

一种优化神经网络的教与学优化算法

为了提高BP神经网络的输出精度,提出一种改进的教与学优化算法进行神经网络中的权值和阈值的优化调整.算法对基本的教与学优化算法的"教"阶段和"学"阶段分别进行改进,并提出一种"自学"机制来增强算法的学习能力.通过函数拟合实验和拖拉机齿轮箱故障诊断实验进行算法性能测试,结果表明,与遗传算法和基本的教与学优化算法相比,该算法具有收敛速度快、求解精度高等优势.

教与学优化算法在梯级水库优化调度中的应用

针对梯级水库发电优化调度模型存在多约束,求解难度大,传统算法易陷入局部搜索,提出一种改进的教与学优化算法进行优化求解。通过具体案例进行测试验证,并和遗传算法与粒子群算法比较。结果表明,该算法具有求解速度快,求解精度高等优势。

我们期待怎样的教育评价——以数据驱动教育变革的郑州实践

河南省郑州市以“能力导向、标准参照、诊断改进”的现代教育评价机制为目标，在数据驱动教育变革道路上，初步构建了教育质量评价指标体系。从“对学习的评价”走向“为学习的评价”，从“证明（指向过去）”走向“改进（指向未来）”，从“甄别选拔”走向“诊断改进”，从“经验主义”走向“数据实证”。

改进TLBO算法优化灰色神经网络的ORP预测

在生物氧化提金预处理过程中,由于传统的氧化还原电位预测方法精度不高,该文提出一种改进教与学优化算法(ATLBO)优化灰色神经网络的预测方法。在ATLBO算法中,采用多种群协同学习策略,有效地提高了算法的收敛速度和寻优精度。同时,对各个子种群进行随机交叉操作,大大降低算法陷入局部最优的可能性。运用ATLBO算法优化灰色神经网络(GNN)的参数,并将最优解作为灰色神经网络的输入,对氧化还原电位进行预测。仿真结果表明,与其他预测方法相比,该预测模型能达到较好的预测精度,并且优于其他预测模型。

基于改进TLBO的DV-Hop定位算法

提出了一种基于改进教与学优化(TLBO)的DV-Hop定位算法。通过添加修正因子来修正锚节点的平均每跳距离,减小距离估计的误差;然后引入共线性概念,减少由锚节点共线引起的定位误差;接着通过自适应选取教学因子,并且引入学员自学习策略,以加快TLBO算法的收敛速度,增强局部检测能力;将Levy飞行行为融入到TLBO中,增强种群多样性,避免TLBO算法陷入局部最优,计算出精确的定位坐标。仿真结果表明:与同类型算法相比,该文提出的算法能够得到更加精确的定位结果。

基于改进教与学算法的铸造企业订单发退货计划调度研究

针对现有的铸造企业订单发退货过程中人工调度运输导致的成本虚高、运输效率低、车载利用率低等问题,开展了铸造企业订单发退货调度研究。建立以运输成本、交货期、车载利用率为指标的多目标订单发退货运输数学模型;提出了双演化淘汰制教与学算法(DP-TLBO),并设计了连续的编码方式。通过引入正弦加速因子的反向学习来增强局部搜索能力,防止在搜索后期陷入局部最优;采用教与学算法和贫富优化算法的双演化机制竞争淘汰调度方案。其次,进行多个测试函数的试验表明,双演化淘汰制教与学算法拥有更好的性能。最后,通过针对两个不同铸造企业的多个规模仿真试验结果表明,对比人工调度运输的方式,使用本课题提出的数学模型和算法求解时,可以获得更低的成本、更高的运输效率及车载利用率。

基于多目标优化的柔性交流输电装置控制技术研究

由于当前方法并未进行柔性交流输电装置控制参数寻优,导致控制结果不理想,控制延误和损耗上升,因此提出一种基于多目标优化的柔性交流输电装置控制方法。分析柔性交流输电装置的基本工作原理,通过换流器输出电压和电网关系获取柔性交流输电装置的无功功率传输特征和运行方式,以此搭建双环矢量控制器。采用多目标改进教与学算法(MOMTLA)对控制器参数Pareto解集进行寻优搜索,最终实现柔性交流输电装置控制。仿真实验结果表明,所提方法能够获取比较满意的控制结果,能够降低控制过程中产生的损耗延误。

考虑阀点效应的电力系统经济分配算法

经济分配(ED)对于电力系统的节能至关重要,适当的分配方法可以为电厂节约巨额生产成本,然而阀点效应使得实际ED问题呈现出不光滑和非凸的特性,导致一些经典的优化算法和启发式算法无法在合理时间内发现最优解。提出一种新的改进教与学优化算法来求解计及阀点效应的经济分配问题,并采用一种新的修正策略取代罚函数法来处理约束条件。为了验证新算法的有效性和鲁棒性,选取典型的benchmark函数和ED实例进行仿真计算,结果表明与其他代表性算法相比,该方法求解精度高、收敛速度快,为计及阀点效应的经济分配问题求解提供了一条新途径。

广域电力系统稳定器参数的两阶段协调优化方法

广域电力系统稳定器(Wide Area Power System Stabilizer,WAPSS)对电力系统的区间低频振荡能够起到良好的阻尼作用。同时,WAPSS参数的协调优化设计能够避免因增大某一振荡模式的阻尼而造成其他模式阻尼恶化的问题,提出一种两阶段设计的WAPSS参数协调优化方法。第一阶段基于留数相位补偿原理设计WAPSS超前滞后环节的参数。第二阶段,将整定后的超前滞后环节参数代入WAPSS传递函数以减少决策变量,再以提高低频振荡模式和近虚轴模式的阻尼为多优化目标,利用基于精英替换策略的改进教与学算法(Teaching-Learning-Based Optimization,TLBO)对WAPSS的增益参数进行优化。通过将超前滞后环节参数和增益参数两阶段协调优化,不仅减少了每次迭代计算时间,而且达到了提高电力系统阻尼的目的。最后通过两区四机的仿真算例验证了该方法的有效性。

接地网金属腐蚀极化曲线的数据处理方法研究

鉴于腐蚀速度测定是预估接地网使用寿命、合理指导工程选材的关键问题,基于传统极化曲线数据处理方法分析,提出将智能算法应用于极化曲线的拟合中,并对"教与学"智能算法进行了改进。通过电化学极化试验,对比分析了Barnartt三点法、四点法、单极化方向三点法与改进"教与学"拟合法的数据处理效果,结果表明改进"教与学"拟合法数据利用率更高,结果精度明显优于传统方法,是一种更具准确性和有效性的新方法。

EEMD_H与ITLBO_SVM相结合的滚动轴承故障诊断方法

针对滚动轴承数据信号不稳定、非线性的特性,提出一种采用集合经验模态分解(EEMD)、希尔伯特(Hilbert)变换实现特征提取,改进教与学算法(ITLBO)优化支持向量机(SVM)参数的滚动轴承故障诊断方法.首先通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获得模态函数的瞬时频率;对模态函数和其瞬时频率进行统计特征提取并实现特征变量降维,提高诊断效率;最后利用ITLBO算法优化SVM参数,构造ITLBO_SVM诊断模型进行多分类故障诊断.实例证明,信号经过EEMD分解和Hilbert变换再提取特征信息,代入ITLBO_SVM的优化模型比传统的粒子群算法优化模型的正确率更高,效果更稳定,验证了该方法的可行性与有效性.

四轴八旋翼无人机入水轨迹优化方法研究

飞行器与水下无人航行器能够分别在空中与水下完成目标搜索、跟踪、打击等任务,但是面对需要同时在空中与水下完成的复杂任务,如对目标的空中搜索-水下跟踪等,单独采用飞行器或水下无人航行器无法完成任务。针对以上问题,文中采用四轴八旋翼无人机(CERV)完成从空中潜入水下的任务,研究整个入水过程的轨迹优化问题。首先对CERV的运动规律进行描述,将入水过程分为空中飞行、过渡、水下潜行三个阶段,对每个阶段CERV在不同介质中的受力情况进行了分析,推导出CERV的运动方程。为增加入水过程中CERV的稳定性,提出了跨介质控制策略对入水过程三个阶段的轨迹分别进行优化。在空中飞行与水下潜行阶段,基于PID控制算法使得CERV朝指定目标点运动;在入水过渡阶段,基于滚动优化策略,对教与学算法进行改进,以获得更加稳定的入水轨迹。仿真结果表明,文中建立的运动模型能够反映CERV在不同介质中的运动特性,所提出的跨介质控制策略能够保证CERV顺利完成入水过程,且改进的教与学算法优化的入水轨迹的稳定性优于粒子群算法和教与学算法。

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。

基于改进TLBO算法的模型自由飞气动参数辨识

针对传统气动参数辨识中使用的梯度下降寻优算法易于陷入局部最优解问题,首次提出了基于改进教与学优化的气动参数辨识算法。采用自适应教学因子达到前期快速搜索、后期深度挖掘的目的;'教'阶段,通过种群个体(学生)向最优个体(教师)学习,保证算法快速聚集于真值附近;'学'阶段,通过种群个体之间相互学习,增加种群多样性,尽可能保证辨识结果的全局最优性。仿真结果表明,改进型教与学优化参数辨识算法可有效提高辨识精度,具有一定的工程应用推广价值。