所有基于进化和群体智能的算法都是概率算法，需要常见的控制参数，例如人口大小，世代数，精英大小等。除了常见的控制参数外，不同的算法还需要其自己的算法特异性控制参数。例如，GA使用突变概率，交叉概率，选择算子；PSO使用惯性重量，社会和认知参数；ABC使用旁观者蜜蜂，受雇的蜜蜂，侦察蜜蜂和极限；HS算法使用和谐记忆的考虑率，音高调整速率和即兴创作的数量。同样，其他算法，例如ES，EP，DE，SFL，ACO，FF，CSO，AIA，GSA，GSA，BBO，FPA，ALO，IWO等。需要对相应算法特异性参数进行调整。算法特异性参数的正确调整是影响上述算法的性能的非常关键的因素。算法特异性参数的不当调整可以增加计算工作量或产生局部最佳解决方案。考虑到这一事实，Rao等人。（2011年）介绍了基于教学学习的优化（TLBO）算法，该算法不需要任何算法特定参数。 The TLBO algorithm requires only common controlling parameters like population size and number of generations for its working. The TLBO algorithm has gained wide acceptance among the optimization researchers.