李会荣，周亚妮

(1. 商洛学院 数学与计算机应用学院, 陕西 商洛 726000；2. 商洛职业技术学院 公共基础部， 陕西 商洛 726000)

求解约束优化问题的改进教-学优化算法

李会荣1，周亚妮2

(1. 商洛学院 数学与计算机应用学院, 陕西 商洛 726000；2. 商洛职业技术学院 公共基础部， 陕西 商洛 726000)

提出了一种非线性约束优化问题改进的教-学优化算法，该算法首先提出了自适应的教学因子，对学习阶段的迭代方程进行改进，引入了差分变异策略；其次利用约束违反度函数将约束优化问题转化为无约束双目标优化问题，在每次迭代中按照约束违反度的大小保留部分性能较优不可行个体，有效地维持了种群的多样性；最后数值实验表明，该算法具有较快的收敛速度和较好的全局寻优能力.

教-学优化算法； 约束优化； 差分变异； 教学因子

近年来群体智能优化算法作为一种启发式优化算法，得到了迅猛的发展，由于实现简单、收敛速度快、鲁棒性强，而且不需要函数的任何可微、可导等信息，具有良好的适应性，成为优化领域的一个研究热点.目前，具有代表性的群体智能优化算法有：粒子群优化算法[1]、遗传算法[2]、差分进化算法[3,16]和蚁群优化算法[4]等等.2011年Rao R V等人[5-6]提出的一种新型的群体智能优化算法，称为教-学优化算法(TLBO:Teaching-Learning-Based Optimization).教-学优化算法模拟了教师的教学过程和学生的学习过程，目的是通过教师和学生之间的相互学习来提高学习成绩，其参数少、算法简单、速度快、精度高且具有极……