《表1 标准测试函数：基于改进蚁狮优化算法的太阳电池模型参数辨识》

  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

《基于改进蚁狮优化算法的太阳电池模型参数辨识》

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

选择4个标准测试函数对IALO算法进行校验，并与PSO、BA和ALO算法进行比较。测试函数如表1所示。在测试函数中，粒子的个体总数统一设置为20，维数设为30，算法的迭代次数统一设为200次，每个算法的独立运行次数为10次。PSO算法的参数设置为：粒子个体的惯性权重w为0.08，学习因子c1、c2均选为2，粒子的最大速度vmax选为2；BA算法的参数设置为：最大脉冲频率变化率r0为0.5，频率变化率的系数γ为0.05，最大脉冲音强A为0.2，脉冲音强的衰减系数α为0.95，脉冲频率范围[Qmin，Qmax]为[0，2]；ALO算法的参数设置为：蚂蚁个体与蚁狮个体数目相同，均为粒子的个体总数；IALO算法参数设置为c1=0.4，c2=0.6。在表1所列的函数中，Branin函数有3个全局最小值，同时具有若干个局部极值，且极值点都非常接近；Griewank是非线性多峰值函数，具有若干个局部极值并且震荡幅度较大；Schaffer F6是具有强烈震荡的非线性多值函数，有很多局部极值；Ackley函数具有多个峰值，且对应的横坐标均处于彼此的小范围邻域内。PSO、BA、ALO与IALO算法的性能检测结果如表2所示。