《表6 在heart上的适应度比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进花朵授粉的K-均值聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表6可知，本文算法的最优值、最差值、均值、标准偏差均最好，最优值低于ABC算法49.56，表明本文算法可准确地确定聚类中心，达到稳定聚类效果。从图6可看出，DE与本文算法的收敛情况均较好，在25次迭代之内本文算法即接近最优解，而DE算法则在25～50次迭代之间收敛缓慢，未能避开局部最优区域。其主要原因是DE算法对参数设置敏感，不适当的参数会导致局部最优问题，而本文算法的禁忌表存储已搜索过的局部解，避免了多次搜索从而跳出局部区域。DEFPA、PSO算法初期下降更快，但离最优解较远，还需多次迭代，FPA与本文算法有相近的初始适应度，但因全局勘测和局部开采能力较弱，使得收敛速度缓慢，ABC算法因其易早熟且局部寻优能力较弱导致适应度偏高且不易达到最优值。