《表1 基于云模型FOA与标准FOA及文献改进FOA收敛精度对比 (popsize=100)》

  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

《基于正态云模型的果蝇优化算法》

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

实验过程中设置算法的种群规模为100，最大迭代次数为200，设置搜索半径的最小值和最大值为22和5.设定一份试卷为一个果蝇个体，每份试卷的试题数量分别取30、50和70，经过20次独立运行的结果，如表1所示.采用正态云模型改进后的FOA果蝇个体在寻优过程中，味道浓度因子自适应调整搜索步长，对于味道浓度值大于平均味道浓度值的个体，，在寻优过程中被赋予最大搜索半径，加快了算法收敛速度；而对于味道浓度值小于平均味道浓度值的个体，在寻优过程中根据味道浓度因子被赋予自适应调整的搜索半径，提高了算法的收敛精度，因而在优化最小值Smin、平均值Smax、标准差Sst等表现出较好的效果.另外，在算法迭代过程中，以果蝇个体到原点的平均距离为期望生成云滴，使产生的可选解呈正态分布，促使算法可选解产生机制呈现出随机性和模糊性，提高算法的全局寻优能力.基于云模型的FOA算法在搜索初期，由于果蝇个体的味道浓度值赋予了较大的寻优半径，使得算法能够较快的收敛，而在搜索的后期根据味道浓度因子自适应调整步长，有效的避免了算法陷入局部最优，如图2所示.