28、基于二次逼近的混合TLBO算法与物联网家庭自动化

基于二次逼近的混合TLBO算法与物联网家庭自动化

1. 基于二次逼近的混合TLBO算法

传统的教学 - 学习优化算法（TLBO）是受课堂教学和学习过程的自然现象启发而产生的全局优化方法。它在执行过程中利用教学和学习阶段，但原算法存在一些不足。例如，学习者的自我激励学习未被考虑，且教学因子的评估值固定为2或1，这会降低算法的收敛速度。

为了改进这些问题，提出了一种创新的混合TLBO算法（HTLBO）。该算法做了以下改进：
- 添加了基于自适应原则的修改后的教学因子。
- 引入二次逼近（QA）算子，以提高计算最优值的效率和收敛速度。

1.1 算法实验与对比

该算法在二十个著名的标准函数上进行了实验，并将结果与一些标准算法、差分进化（DE）变体、粒子群优化（PSO）变体以及其他混合算法进行了比较。以下是部分函数的实验结果：
| Function | DESQI (Mean ± SD) | PSOGSA (Mean ± SD) | DE - PSO (Mean ± SD) | QPSO (Mean ± SD) | HTLBO (Mean ± SD) |
| — | — | — | — | — | — |
| F14 | 3.15e + 000 ± 3.67e−001 | 1.89e + 001 ± 3.54e + 000 | 7.45e + 000 ± 5.51e−001 | 2.96e + 000 ± 3.42e−001 | 7.15e−001 ± 8.66e−002 |
| F15 | 1.91e + 001 ± 3.98e + 000 | 3.06e + 002 ± 1.06e + 002 | 1.