《表3 D=30时七种算法的实验结果》
对于智能进化算法而言,随着优化问题维度的不断增加,问题的复杂度也将会随之急剧上升。而对于多峰类型函数来说,其局部极值个数将呈现指数级别的增长。因此算法的整体性能将会受到较大影响。在此基础上,为了进一步研究本文所提算法受维度增长的影响程度,对七种算法在12个测试函数上进行了第三组D=60时的数值实验。实验结果如表4所示。从表中可以看出,当测试函数的维数从30增加到60时,相比于表3中的实验结果,各算法的收敛性能均有所下降,但是CA-DBSA受到的影响相对其他六种算法来说较小。从表中加粗部分数据结果和秩和检验的统计信息来看,12个函数的最优测试结果中有10个是由CA-DBSA实验所得,比表3实验结果表现更好。在OXDE算法中,只有在函数f6和f9上,OXDE的寻优结果比CA-DBSA更好。而表3中存在4个结果比CA-DBSA更优或相似。同样,30维时的LBSA有一个函数寻优性能优于CA-DBSA,而在60维时性能有所下降。因此,与表3对比可发现,本文算法在60维度时的整体实验结果比30维度时有所提高,展现出了较强的鲁棒性。
图表编号 | XD00134615500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 杨军、张达敏、潘志远、刘冬、陈娟敏 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |