付 帅，张晓霞，杨 娇，胡银银

（辽宁科技大学 计算机与软件工程学院，辽宁 鞍山 114051）

无论是在科学研究领域还是在许多实际问题应用中，优化问题存在十分广泛，是一个非常重要的研究内容。针对不同的优化问题，优化算法有很多，传统的优化算法有拉格朗日乘数、单纯形法、梯度下降法等。随着互联网技术以及优化技术的不断发展，在自然选择和群体遗传学原理的启发下，越来越多群智能优化算法应用在优化问题中。群智能优化算法是一种模拟自然界动物各种群体行为的随机搜索算法，主要利用群体中个体之间的竞争和合作近似求解一些难以直接求解的优化问题。近年来，智能优化算法解决优化问题成为研究热点，其中教与学优化算法（Teachinglearning-based optimization algorithm，TLBO）被广泛应用于各种优化问题的全局最优解中。

TLBO算法［1］是Rao等提出的一种新的连续随机群智能优化算法，是受学校课堂环境中老师教学和学生学习过程启发而提出的。与遗传算法［2］和差分算法［3］相比，TLBO通过计算适应度值选择出种群中最优的个体，引导整个种群进入教师阶段，提高了收敛速度。与粒子群算法［4］的单一算子相比，TLBO在教学阶段完成后引入了另一个学习阶段，增强了种群多样性，提高了算法的开发能力。与其他算法相比，TLBO算法还具有很多优点，算法原理简单易懂，除了种群大小和收敛准则外，不需要调节任何参数；求解速度快，精度高且能快速收敛到全局最优，特别在参数复杂的优化问题中效果更为明显［5］。……