基于K-均值的“教”与“学”优化算法
解决复杂多峰优化问题时,传统的“教”与“学”优化算法易于陷入局部搜索且优化效率较低.针对此问题,提出了一种基于K-均值的“教”与“学”优化改进算法,算法采用B均值来降低种群规模,又针对“教”和“学”两个阶段进行相应改进,提高全局收敛速度;还加入了“变异”操作来避免算法陷入局部最优.实验对7个单峰值优化问题和2个有代表性的多峰值优化问题进行优化,并与手榴弹爆破算法和传统“教”与“学”优化算法进行比较,实验结果表明,该改进算法在单峰和多峰测试函数中,均能快速高效地寻得全局最优解,优于原始“教”与“学”优化算法.
教学算法 K-均值 参数优化 收敛速度
黄祥东 夏士雄 牛强 赵志军
中国矿业大学计算机科学与技术学院,江苏徐州221116 舟山市定海区交通建设事务中心,浙江舟山316000
国内会议
兰州
中文
3126-3129
2015-08-10（万方平台首次上网日期，不代表论文的发表时间）