《表6 本文算法与PSO实验结果对比》
为验证算法的有效性,本节针对4.3节中的5组算例,采用本文所提出的结合启发式规则的遗传算法和粒子群优化(Particle Swarm Optimization,PSO)算法分别求解并对结果进行对比分析。本文算法各参数沿用前文设置,PSO算法的种群规模设置为50,最大迭代次数为700,惯性权重ω=0.729 8,学习因子c1=c2=1.149 618,每例算例优化结果均取10次实验内最优结果,CPU时间取10次实验结果平均值,结果如表6所示。
图表编号 | XD00133834700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 毛敏俐、梁承姬、胡筱渊 |
绘制单位 | 上海海事大学物流科学与工程研究院、上海海事大学物流科学与工程研究院、上海海事大学物流科学与工程研究院 |
更多格式 | 高清、无水印(增值服务) |