基于正弦余弦的自适应教与学优化算法

为了克服教与学优化算法求解精度低、早熟收敛问题,提出了一种新的基于正弦余弦的自适应改进教与学优化算法(ASCTLBO)。该算法在教学阶段,提出新的自适应教学因子,引入自适应惯性权重,使得当前个体向全局最优个体学习,增强了算法的局部搜索能力。在学习阶段利用正弦余弦函数的震荡变化性质对学习者个体位置进行自适应更新,维持种群的多样性,增强算法全局搜索能力。数值试验表明,提出的新算法是有效的,具有较好的收敛速度和求解精度。

基于改进TLBO优化LSSVM的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于改进TLBO优化LSSVM的风电功率短期预测方法。首先对基本TLBO算法中的‘教’阶段进行改进,在采用自适应教学因子的同时改变所有搜索个体的平均值,从而能够自适应的提高TLBO在整个搜索空间的性能;然后改进TLBO算法的‘学’阶段,为维持种群的多样性,避免TLBO算法过早收敛和陷入局部最优,在学习阶段引入高斯变异算子;最后用改进的TLBO优化构建的LSSVM预测模型。以上海北沿风电场和莱州风电场实测数据为例,仿真结果表明,与PSO和TLBO优化LSSVM相比,改进的TLBO优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性。

一种改进的教与学优化算法

针对教与学优化(TLBO)算法在解决高维复杂优化问题时易陷入局部最优的缺点,提出一种改进的教与学优化(ITLBO)算法.该算法首先提出自适应教学因子,然后对学员阶段进行改进,使得学员的学习能力不仅受到学员之间的相互影响,而且受到老师的影响,从而增强算法的全局搜索能力.最后对6个无约函数进行实验测试,所得结果与TLBO算法进行比较.数值结果表明,ITLBO算法不论是在收敛速度还是在寻优精度上均优于TLBO算法.

融合Levy飞行的教与学优化算法的PMSM参数辨识

高精度参数是永磁同步电机实现高性能控制的关键。针对传统永磁同步电机参数辨识方法中存在辨识速度慢和精度低等缺陷,提出了一种融合Levy飞行的教与学优化算法对永磁同步电机进行参数辨识。该算法引入自适应教学因子和自学习策略,提高算法收敛速度。对于学习阶段,引入Levy飞行随机过程改进寻优策略,有效平衡算法的全局搜索和局部开发能力。通过仿真表明,该改进算法能够准确辨识出永磁同步电机定子电阻,dq轴电感和永磁磁链,具有较好的收敛性和可靠性。

一种基于差分进化的教与学优化算法

教与学优化算法(TLBO)是一种基于教学过程现象的启发式算法。针对求解高维复杂优化问题时容易陷入局部最优的不足,文章提出了一种基于差分进化的TLBO,采用自适应教学因素和基于差分进化的学习过程来提高基本的TLBO性能。9个复杂的测试函数被用来验证所提出的方法的有效性和准确性。实验结果验证了算法的有效性,表明所提出的算法是一种具有优势的优化算法。