《表3 平均收敛结果表:基于小批量梯度下降的布谷鸟搜索算法》
对单峰基准测试函数而言,由表2可以看出,MBGDCS算法比CS算法在提高收敛速度上效果显著,测试函数f1的MBGDCS算法平均迭代次数比CS算法平均减少16.25次,提高了77.57%;测试函数f2的MBGDCS算法平均迭代次数比CS算法平均减少43.3次,提高了95.58%;测试函数f3的MBGDCS算法平均迭代次数比CS算法平均减少15.45次,提高了79.23%;测试函数f4的MBGDCS算法平均迭代次数比CS算法平均减少59.5次,提高了96.75%;测试函数f5的MBGDCS算法平均迭代次数比CS算法平均减少95.5次,提高了63.83%。从表3可以看出,MBGDCS算法迭代得到的最优解的精确度有了很大提高,测试函数f1到f4都收敛到了理论最小值,而CS算法都存在一定的误差;测试函数f5在MBGDCS算法的迭代中虽然没有收敛到理论最小值,但是收敛结果比CS算法提高了0.000 281 4,与理论最小值相差0.000 182 4。
图表编号 | XD00153927500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 田媛、梁永全 |
绘制单位 | 山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |