《表1 各算法在测试函数上的实验结果》

  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

《基于协同进化的电力系统多目标优化》

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

如表1所示，前3个算法的种群数量为45，而最后一个算法CO-PGDEA的种群大小为15。各个算法的迭代次数相同均为100次。将各个算法在4个测试函数上分别独立运行20次，分别取GD与SP的平均值与标准差作为实验解果。如表所示，其中Mean为平均值，括号中的std为标准差。从表中数据可以看出，基于自适应网格法的多目标粒子群算法所得到的Pareto解集的分布在收敛较完全时不如以循环拥挤度控制的NSDE等算法的分布性。基于协同进化的CO-PGDEA的GD值小于前3种算法，即其收敛性明显优于前面的算法，并且根据GD的标准差可知，算法收敛的稳定性也要明显优于其他算法。