新型教与学优化算法及其在需水预测中的应用

摘要：

针对教与学优化(teaching learning based optimization,TrBO)算法解决复杂优化问题易陷入局部最优且解的精度低的不足,提出一种高效的教与学优化算法(efficient TLBO,ETLBO)以提升标准TLBO的全局优化性能.在ETLBO中,通过双种群混洗策略将种群分成两组,通过老师单独对最差学生进行教学过程,加快算法快速收敛到全局最优.通过求解4个典型的数值函数,仿真结果验证了ETLBO算法的有效性.通过ETLBO算法优化选择极限学习机(extreme learning machine,ELM)模型参数,并构建ETLBO-ELM模型,将其应用于城市需水量预测中.仿真结果表明,EILBO优化的ELM模型具有良好的预测精度和泛化能力.

关键词：教与学优化(TLBO)算法、双种群混洗策略、极限学习机(EIM)、需水量预测

所属期刊栏目：20

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2020-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3117-3121