学习算法：一种高效优化新方法

"一种新型优化算法―――学习算法 (2010年)" 本文提出了名为“学习算法”（Learning Algorithm, LA）的全新优化方法，它源于对优化算法共性的深入理解。学习算法的核心特点在于记录并利用历史最优解和当前最优解的信息。这一设计使得当前解能够在进化过程中向这两种最优解靠近，实现知识的学习与积累。同时，为了避免过度依赖已知最优解而忽视其他可能的解决方案，LA允许当前解的一部分随机重置，以保持全局搜索能力。 LA的结构简洁，参数调整需求较少，而且各个参数对算法性能的影响容易理解和控制，这为实际应用提供了便利。通过对比实验，LA在多最优函数和复杂函数的最小化问题上与传统优化算法遗传算法（Genetic Algorithm, GA）和粒子群优化算法（Particle Swarm Optimization, PSO）进行了比较。实验结果显示，LA在优化效率上与现有的这些算法相当，甚至在某些情况下表现出更优的性能。 在处理多最优解问题时，LA相对于GA和PSO展现出显著优势。这表明LA在面对具有多个局部最优解的问题时，能更有效地寻找和探索解决方案空间，提高找到全局最优解的可能性。此外，论文还提到了LA在实际问题中的应用潜力，尤其是在那些需要高效全局搜索能力的领域。 该研究由国家自然科学基金资助，作者团队包括了何懿、赵翔和黄卡玛，分别在智能优化算法、电磁场逆问题和教学科研等方面有深厚的学术背景。论文发表于《电子科技大学学报》（英文版），具有较高的学术价值，对于理解和开发新的优化算法提供了新的视角和方法。