2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于反馈的精英教学优化算法

于坤杰 王昕 王振雷

于坤杰, 王昕, 王振雷. 基于反馈的精英教学优化算法. 自动化学报, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
引用本文: 于坤杰, 王昕, 王振雷. 基于反馈的精英教学优化算法. 自动化学报, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
YU Kun-Jie, WANG Xin, WANG Zhen-Lei. Elitist Teaching-learning-based Optimization Algorithm Based on Feedback. ACTA AUTOMATICA SINICA, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
Citation: YU Kun-Jie, WANG Xin, WANG Zhen-Lei. Elitist Teaching-learning-based Optimization Algorithm Based on Feedback. ACTA AUTOMATICA SINICA, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976

基于反馈的精英教学优化算法


DOI: 10.3724/SP.J.1004.2014.01976
详细信息
    作者简介:

    于坤杰 华东理工大学信息科学与工程学院博士研究生.主要研究方向为智能优化算法.E-mail:yukunjie1990@gmail.com

    通讯作者: 王振雷 华东理工大学教授.主要研究方向为智能控制,复杂系统的建模及特征分析,故障诊断和智能优化算法.本文通信作者.E-mail:wangzhenl@ecust.edu.cn
  • 基金项目:

    国家重点基础研究发展计划(973计划)(2012CB720500),国家自然科学基金(61333010,21276078,21206037),中央高校基本科研业务费专项资金(863计划)(2013AA0400701),上海市科技攻关(12dz1125100),十二五国家科技支撑计划(2012BAF05B00),上海市重点学科建设项目(B504),上海市自然科学基金(14ZR1421800),流程工业综合自动化国家重点实验室开放课题基金资助项目(PAL-N201404)资助

Elitist Teaching-learning-based Optimization Algorithm Based on Feedback

More Information
  • Fund Project:

    Supported by National Basic Research Program of China (973 Program)(2012CB720500), National Natural Science Foundation of China (61333010, 21276078, 21206037), The Central University Basic Scientific Research Business Expenses Special Funds (863 Program)(2013AA0400701), Shanghai Science and Technology Research Projects (12dz1125100), National Science and Technology Support Project during the 12th Five-Year Plan Period (2012BAF05B00), Shanghai Leading Academic Discipline Project (B504), Shanghai Natural Science Foundation (14ZR1421800), the State Key Laboratory of Synthetical Automation for Process Industries (PAL-N201404)

  • 摘要: 精英教学优化算法(Elitist teaching-learning-based optimization,ETLBO)是一种基于实际班级教学过程的新型优化算法. 本文针对ETLBO算法寻优精度低、稳定性差的问题,提出了反馈精英教学优化算法(Feedback ETLBO). 在ETLBO算法的基础上,通过在学生阶段之后加入反馈阶段,增加了学生的学习方式,保持学生的多样性特性,提高算法的全局搜索能力. 同时,反馈阶段是选举成绩较差的学生与教师交流,使成绩较差的学生快速向教师靠拢,使算法进行局部精细搜索,提高算法的寻优精度. 对6个无约束及5个约束标准函数的测试结果表明,FETLBO算法与其他算法相比在寻优精度和稳定性上更具优势. 最后将FETLBO算法应用于拉压弹簧优化设计问题及0-1背包问题,取得了满意结果.
  • [1] Holland J H. Adaptation in Natural and Artificial Systems. Ann Arbo: University of Michigan Press, 1975. 1-53
    [2] Kennedy J, Eberhart R C. Particle swarm optimization. In: Proceedings of IEEE International Conference on Neural Networks. Perth, Auslralia: IEEE, 1995. 1942-1948
    [3] Pan Feng, Chen Jie, Xin Bin, Zhang Juan. Several characteristics analysis of particle swarm optimizer. Acta Automatica Sinica, 2009, 35(7): 1010-1016(潘峰, 陈杰, 辛斌, 张娟. 粒子群优化方法若干特性分析. 自动化学报, 2009, 35(7): 1010-1016)
    [4] Pan Feng, Chen Jie, Gan Ming-Gang, Cai Tao, Tu Xu-Yan. Model analysis of particle swarm optimizer. Acta Automatica Sinica, 2006, 32(3): 368-377(潘峰, 陈杰, 甘明刚, 蔡涛, 涂序彦. 粒子群优化算法模型分析. 自动化学报, 2006, 32(3): 368-377)
    [5] Jin Xin-Lei, Ma Long-Hua, Wu Tie-Jun, Qian Ji-Xin. Convergence analysis of the particle swarm optimization based on stochastic processes. Acta Automatica Sinica, 2007, 33(12): 1263-1268(金欣磊, 马龙华, 吴铁军, 钱积新. 基于随机过程的PSO收敛性分析. 自动化学报, 2007, 33(12): 1263-1268)
    [6] Qian W Y, Li A J. Adaptive differential evolution algorithm for multi-objective optimization problems. Applied Mathematic and Computation, 2008, 201(1-2): 431-440
    [7] Storn R, Price K. Differential evolution——a simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization, 1997, 11(4): 341-359
    [8] He S, Wu Q H, Saunders J R. Group search optimizer: an optimization algorithm inspired by animal searching behavior. IEEE Transactions on Evolutionary Computation, 2009, 13(5): 973-990
    [9] Karaboga D, Basturk B. On the performance of artificial bee colony (ABC) algorithm. Applied Soft Computing, 2008, 8(1): 687-697
    [10] Karaboga D, Basturk B. A comparative study of artificial bee colony algorithm. Applied Mathematics and Computation, 2009, 214(1): 108-132
    [11] Karaboga D, Basturk B. A Powerful and efficient algorithm for numerical function optimization: artificial bee colony algorithm. Journal of Global Optimization, 2007, 39(3): 459-471
    [12] Rao R V, Savsani V J, Vakharia D P. Teaching-learning-based optimization: a novel method for constrained mechanical design optimization problems. Computer Aided Design, 2011, 43(3): 303-315
    [13] Rao R V, Savsani V J, Vakharia D P. Teaching-learning-based optimization: an optimization method for continuous non-linear large scale problems. Information Sciences, 2012, 183(1): 1-15
    [14] Niknam T, Azizipanah-Abarghooee R, Narimani M R. A new multi objective optimization approach based on TLBO for location of automatic voltage regulators in distribution systems. Engineering Applications of Artificial Intelligence, 2012, 25(8): 1577-1588
    [15] Rao R V, Patel V. An elitist teaching-learning-based optimization algorithm for solving complex constrained optimization problems. International Journal of Industrial Engineering Computations, 2012, 3(4): 535-560
    [16] Rajasekhar A, Rani R, Ramya K, Abraham A. Elitist teaching-learning opposition based algorithm for global optimization. In: Proceedings of IEEE International Conference on Systems, Man, and Cybernetics. Seoul, Korea: IEEE, 2012. 1124-1129
    [17] Nian Xiao-Yu, Wang Zhen-Lei, Qian Feng. A hybrid algorithm based on differential evolution and group search optimization and its application on ethylene cracking furnace. Chinese Journal of Chemical Engineering, 2013, 21(5): 537-543
    [18] He Q, Wang L. An effective co-evolutionary particle swarm optimization for constrained engineering design problems. Engineering Applications of Artificial Intelligence, 2007, 20(1): 89-99
    [19] Ray T, Liew K M. Society and civilization: an optimization algorithm based on the simulation of social behavior. IEEE Transactions on Evolutionary Computation, 2003, 7(4): 386-396
    [20] Wang Y, Cai Z X, Zhou Y R. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization. International Journal for Numerical Methods in Engineering, 2009, 77(11): 1501-1534
    [21] Huang F Z, Wang L, He Q. An effective co-evolutionary differential evolution for constrained optimization. Applied Mathematics and computation, 2007, 186(1): 340-356
    [22] Zou D X, Gao L Q, Li S, Wu J H. Solving 0-1 knapsack problem by a novel global harmony search algorithm. Applied Soft Computing, 2011, 11(2): 1556-1554
    [23] Mahdavi M, Fesanghary M, Damangir E. An improved harmony search algorithm for solving optimization problems. Applied Mathematics and Computation, 2007, 188(2): 1567-1579
    [24] Gao Fang, Cui Gang, Wu Zhi-Bo, Liu Hong-Wei, Yang Xiao-Zong. Virus-evolutionary particle swarm optimization algorithm for knapsackproblem. Journal of Harbin Institute of Technology, 2009, 41(6): 103-107(高芳, 崔刚, 吴智博, 刘宏伟, 杨孝宗. 求解背包问题的病毒协同进化粒子群算法. 哈尔滨工业大学学报, 2009, 41(6): 103-107)
  • [1] 王柳静, 张贵军, 周晓根. 基于状态估计反馈的策略自适应差分进化算法[J]. 自动化学报, 2020, 46(4): 752-766. doi: 10.16383/j.aas.2018.c170338
    [2] 吕柏权, 张静静, 李占培, 刘廷章. 基于变换函数与填充函数的模糊粒子群优化算法[J]. 自动化学报, 2018, 44(1): 74-86. doi: 10.16383/j.aas.2018.c160547
    [3] 刘三阳, 靳安钊. 求解约束优化问题的协同进化教与学优化算法[J]. 自动化学报, 2018, 44(9): 1690-1697. doi: 10.16383/j.aas.2017.c170076
    [4] 李金忠, 刘关俊, 闫春钢, 蒋昌俊. 排序学习研究进展与展望[J]. 自动化学报, 2018, 44(8): 1345-1369. doi: 10.16383/j.aas.2018.c170246
    [5] 陈美蓉, 郭一楠, 巩敦卫, 杨振. 一类新型动态多目标鲁棒进化优化方法[J]. 自动化学报, 2017, 43(11): 2014-2032. doi: 10.16383/j.aas.2017.c160300
    [6] 陈振兴, 严宣辉, 吴坤安, 白猛. 融合张角拥挤控制策略的高维多目标优化[J]. 自动化学报, 2015, 41(6): 1145-1158. doi: 10.16383/j.aas.2015.c140555
    [7] 周晓君, 阳春华, 桂卫华, 董天雪. 带可变随机函数和变异算子的粒子群优化算法[J]. 自动化学报, 2014, 40(7): 1339-1347. doi: 10.3724/SP.J.1004.2014.01339
    [8] 王大志, 刘士新, 郭希旺. 求解总拖期时间最小化流水车间调度问题的多智能体进化算法[J]. 自动化学报, 2014, 40(3): 548-555. doi: 10.3724/SP.J.1004.2014.00548
    [9] 高维尚, 邵诚. 复杂非凸约束优化难题与迭代动态多样进化算法[J]. 自动化学报, 2014, 40(11): 2469-2479. doi: 10.3724/SP.J.1004.2014.02469
    [10] 阮小娥, 连建帮, 吴慧卓. 具有反馈信息的迭代学习控制律在Lebesgue-p范数意义下的收敛性[J]. 自动化学报, 2011, 37(4): 513-516. doi: 10.3724/SP.J.1004.2011.00513
    [11] 李翔龙, 殷国富, 罗红波. 进化神经网络在机床工具损耗预测中的应用[J]. 自动化学报, 2004, 30(1): 114-119.
    [12] 李敏强, 寇纪淞. 多模态函数优化的协同多群体遗传算法[J]. 自动化学报, 2002, 28(4): 497-504.
    [13] 丁永生, 任立红, 邵世煌. 采用新的DNA进化算法自动设计Takagi-Sugeno模糊控制器[J]. 自动化学报, 2001, 27(4): 510-520.
    [14] 王仲初, 柴天佑. 基于模型的中厚板水幕连续冷却的前馈-反馈控制系统[J]. 自动化学报, 2000, 26(增刊B): 163-167.
    [15] 唐万生, 李光泉, 郑丕谔. 广义系统极点配置的一种代数几何方法[J]. 自动化学报, 1996, 22(6): 713-717.
    [16] 吴嗣亮. 鲁棒极点配置控制系统的一种设计方法[J]. 自动化学报, 1990, 16(2): 122-127.
    [17] 王鋐, 曹大铸. 反馈未知闭环系统的MRIV法辨识[J]. 自动化学报, 1990, 16(2): 114-121.
    [18] 万伯任, 刘丁. 卷绕设备张力和线速度的协调控制[J]. 自动化学报, 1989, 15(4): 289-293.
    [19] 徐承伟. 模糊关系系统的反馈控制[J]. 自动化学报, 1989, 15(6): 557-560.
    [20] 徐承伟. 模糊关系系统的反馈解耦[J]. 自动化学报, 1989, 15(6): 537-539.
  • 加载中
计量
  • 文章访问数:  2106
  • HTML全文浏览量:  143
  • PDF下载量:  1382
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-07-08
  • 修回日期:  2014-02-26
  • 刊出日期:  2014-09-20

基于反馈的精英教学优化算法

doi: 10.3724/SP.J.1004.2014.01976
    基金项目:

    国家重点基础研究发展计划(973计划)(2012CB720500),国家自然科学基金(61333010,21276078,21206037),中央高校基本科研业务费专项资金(863计划)(2013AA0400701),上海市科技攻关(12dz1125100),十二五国家科技支撑计划(2012BAF05B00),上海市重点学科建设项目(B504),上海市自然科学基金(14ZR1421800),流程工业综合自动化国家重点实验室开放课题基金资助项目(PAL-N201404)资助

    作者简介:

    于坤杰 华东理工大学信息科学与工程学院博士研究生.主要研究方向为智能优化算法.E-mail:yukunjie1990@gmail.com

    通讯作者: 王振雷 华东理工大学教授.主要研究方向为智能控制,复杂系统的建模及特征分析,故障诊断和智能优化算法.本文通信作者.E-mail:wangzhenl@ecust.edu.cn

摘要: 精英教学优化算法(Elitist teaching-learning-based optimization,ETLBO)是一种基于实际班级教学过程的新型优化算法. 本文针对ETLBO算法寻优精度低、稳定性差的问题,提出了反馈精英教学优化算法(Feedback ETLBO). 在ETLBO算法的基础上,通过在学生阶段之后加入反馈阶段,增加了学生的学习方式,保持学生的多样性特性,提高算法的全局搜索能力. 同时,反馈阶段是选举成绩较差的学生与教师交流,使成绩较差的学生快速向教师靠拢,使算法进行局部精细搜索,提高算法的寻优精度. 对6个无约束及5个约束标准函数的测试结果表明,FETLBO算法与其他算法相比在寻优精度和稳定性上更具优势. 最后将FETLBO算法应用于拉压弹簧优化设计问题及0-1背包问题,取得了满意结果.

English Abstract

于坤杰, 王昕, 王振雷. 基于反馈的精英教学优化算法. 自动化学报, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
引用本文: 于坤杰, 王昕, 王振雷. 基于反馈的精英教学优化算法. 自动化学报, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
YU Kun-Jie, WANG Xin, WANG Zhen-Lei. Elitist Teaching-learning-based Optimization Algorithm Based on Feedback. ACTA AUTOMATICA SINICA, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
Citation: YU Kun-Jie, WANG Xin, WANG Zhen-Lei. Elitist Teaching-learning-based Optimization Algorithm Based on Feedback. ACTA AUTOMATICA SINICA, 2014, 40(9): 1976-1983. doi: 10.3724/SP.J.1004.2014.01976
参考文献 (24)

目录

    /

    返回文章
    返回