针对求解较高维度优化问题时教与学优化（TLBO）算法容易出现早熟、解精度降低等问题，提出一种自适应竞争学习教与学优化算法（ITLBOAC）。首先，在“教”算子中引入非线性变化的权重参数，以决定当前个体自身状态的保持能力以及调整当前个体向教师学习的态度，从而使当前个体在早期更多地向教师学习，以迅速提升自身状态，而后期更多地保持自身状态，以减缓教师对它的影响；其次，以生态学协同竞争机制为基础，引入基于近邻个体间的自适应竞争的“学”算子，从而使当前个体选择它的近邻个体，并且让个体们从协作演化逐渐过渡到竞争学习。在12个Benchmark测试函数上的测试结果表明，相较于其他4种改进TLBO算法，所提算法具有更好的解精度、稳定性和收敛速度，同时相较于TLBO算法有大幅提升，验证了所提算法适合于求解较高维度的连续型优化问题。选择压缩弹簧和三杆桁架设计问题进行测试的结果表明，ITLBOAC获得的最优值分别比TLBO算法下降了3.03%和0.34%。可见，在求解约束工程优化问题时，ITLBOAC同样值得信任。
