2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1355-1364ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于协同变异与莱维飞行策略的教与学优化算法及其应用高昊，张庆科*，卜降龙，李俊青，张化祥（山东师范大学信息科学与工程学院，济南250358）（∗通信作者电子邮箱tsingke@sdnu.edu.cn）摘要：针对教与学优化（TLBO）算法在处理优化问题时存在搜索不均衡、易陷入局部最优、综合求解性能弱等缺陷，提出一种基于均衡优化与莱维飞行策略的改进教与学优化算法ELMTLBO。首先设计精英均衡引导策略，通过种群中多个精英个体的均衡引导提高算法的全局寻优能力；其次在TLBO算法的学习者阶段后，利用自适应权重策略对莱维飞行产生的步长进行自适应缩量，以提高种群局部寻优能力，增强个体对复杂环境的自适应性；最后设计了变异算子池逃逸策略，通过多个变异算子的协同引导，提升算法的种群多样性。为验证算法改进的有效性，将EMLTLBO算法与侏儒猫鼬优化算法（DMOA）等先进的智能优化算法以及平衡教与学优化（BTLBO）算法、标准TLBO等同类型算法在15个国际测试函数上进行综合收敛性能比较。统计实验结果表明，与先进的智能优化算法和TLBO算法变体相比，ELMTLBO算法能够有效平衡其搜索能力，不但有效求解单峰和多峰问题，而且在复杂多峰问题上仍有显著的寻优能力。在不同策略的共同作用下，ELMTLBO算法的综合优化性能突出，全局收敛性能较为稳定。此外，ELMTLBO算法成功应用于基于隐马尔可夫模型（HMM）的多序列比对（MSA）问题中，优化后得到的高质量对齐序列可用于疾病诊断、基因溯源等，可为生物信息学提供算法支撑。关键词：教与学优化算法；均衡引导；莱维飞行；自适应权重；变异算子池；隐马尔可夫模型；多序列比对中图分类号：TP18；TP391文献标志码：ATeaching-learning-basedoptimizationalgorithmbasedoncooperativemutationandLévyflightstrategyanditsapplicationGAOHao，ZHANGQingke*，BUXianglong，LIJunqing，ZHANGHuaxiang（SchoolofInformationScienceandEngineering，ShandongNormalUniversity，JinanShandong250358，China）Abstract:Concerningtheshortcomingsofunbalancedsearch，easytofallintolocaloptimumandweakcomprehensivesolutionperformanceofTeaching-Learning-BasedOptimization（TLBO）algorithmindealingwithoptimizationproblems，animprovedTLBObasedonequilibriumoptimizationandLévyflightstrate...
