《表1 LOBSMO与对比算法关于测试函数的结果》
以上9个测试函数的理论最优值均为0,其中f1、f2为单峰函数,f3~f7为多峰函数,f8、f9为复合函数,在20维的情况下进行仿真实验。表1给出了LOBSMO在9个测试函数独立运行50次得到的最优值、平均值及标准差。为了说明改进算法的优越性,将LOBSMO与文中所提的DE[13]、PSO[14]、MA[15]及SMO[9]进行了比较,结果如表1。且各算法的参数设置如下,DE:杂交概率CR=0.5,变异概率F=0.1;PSO:学习因子c1=c2=1.496,惯性权重最大值wmax=0.9,惯性权重最小值wmin=0.2,速度最大值vmax=6;MA:步长a=0.1,视野长度b=0.5,跳区间[c,d]=[-1,1],爬的迭代次数Nc=10;SMO:MG=5,gll=50,lll=1 500,pr=0.8;LOBSMO:pr=0.4,p=1,q=2,amax=0.8,amin=0.5,zmax=0.8,zmin=0.5,z0=0.5。其他参数与SMO相同,5种算法种群规模都设为50。总迭代次数为1 000,在20维情况下进行测试。
图表编号 | XD00119664600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 徐小平、杨转、刘龙 |
绘制单位 | 西安理工大学理学院、西安理工大学理学院、西安理工大学自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |