《表1 不同函数优化能力测试结果》
各算法参数设置见表1,其中TSA算法控制参数ST=0.1,ABC算法局部循环次数lc为60,CS算法的发现概率pa为0.25、鸟窝位置数为25,SL-FA算法子群中的个体数为10、子群数为5,CA算法能够形成规模为50的群体,PSO算法的全局、局部学习因子相同均为2,w值为0.73;ACO算法的信息系数为0.4,常量Q值为1。对每个测试函数利用Matlab2010a语言进行独立运算,统计分析7种算法的SD标准差与MBF最优适应度值计算结果,见表1,各计算方法的收敛稳定性可通过SD标准差反映,对于达到最大迭代次数时各方法的求解精度可根据MBF最优适应度值反映。
图表编号 | XD00105776200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 王垠 |
绘制单位 | 辽宁省阜新水文局 |
更多格式 | 高清、无水印(增值服务) |