群智能算法：教学优化算法

基本的教学优化算法基本概念

基于“教与学”的优化算法是模拟以班级为单位的学习方式，班级中的学员水平的提高需要教师的教来引导。同时学员之间需要相互学习来促进知识的吸收。其中，教师和学员相当于进化算法中的个体，而教师是适应度最好的个体之一。每个学员的某一刻相当于一个决策变量。

TLBO算法步骤

1. 初始化班级。班级中每个学员在搜索空间中随机生成。
2. 教阶段，每个学员根据老师和学员的平均值之间的差异进行学习。学习的方法及时找教师和学生平均值之间的差异性，采用如下的方式实现“教”的过程：$X_{new}^i=X_{old}^i+difference,diffrence=r_i\ast (X_{teacher}-T{F}_i\ast mean)$,其中$T{F}_i=round(1+rand(0,1))$和学习步长$r_i=rand(0,1)$,教完后更新学员。每个学员根据学习后的成绩和学习之间的成绩进行对比。 保留成绩好的。
3. 学阶段。对每一个学员在班级里随机选取一个学习对象，通过分析自己和学员之间的差异进行学习调整，学习改进的方法类似于差分算法中差分变异算子。不同在于TLBO算法中的学习步长对每个学员采用不同的学习因子：其中r=U（0,1），根据贪心法进行更新
4. 如果满足结束条件就结束，否则转到2
   在教的阶段，类似粒子群中的社会搜索，每个个体都向teacher学习，这样很容易向teacher靠拢，搜索速度快，但是种群的多样性容易过早丢失，进而陷入局部搜索。
   在学的阶段，通过学院之间想过学习，在小范围内进行，不会过早向全局最优方向聚集，因此学员的多样性，保证全局搜索能力。