《表5 不同算法求解大规模问题的寻优精度(D=1 000)》

  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

《基于统计指导的飞蛾扑火算法求解大规模优化问题》

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

为了广泛对比，参考文献[11]及其他几种改进算法的大规模优化问题测试结果，按照年份进行排序，分别是综合学习粒子群（CLPSO）、协方差矩阵进化策略（CMAES）、自适应差分（SaDE）、量子粒子群（SMQPSO）、组合差分（CoDE）、动态和声搜索（DIHS）、改进鲸鱼优化算法（IWOA），上述算法在测试函数选择中均涉及到文献[11]中的7种函数，最大迭代步（MaxFEs）为5×106，各种算法的参数设置详见文献[11].现将本文改进IMFO算法的MaxFEs从5×104调整为5×106，对这7种函数进行数值对比实验，实验结果见表5.