《表2 a不同取值下仿真结果对比》

  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

《基于高斯扰动和指数递减策略的改进蝙蝠算法》

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

基本蝙蝠算法存在求解不稳定、求解精度不高的缺点。观察式（4），改进之前局部新解的产生实际上仅靠响度项在当前全局最优粒子周围调整产生，具有很大的随机性，往往使新解过大地偏离当前全局最优解，或者调整不足，导致种群多样性的丧失，从而产生求解不稳定和精度不高的缺点。因此这里设计扰动控制因子a来控制高斯扰动项的干扰范围（式(9）)，以增强算法稳定性和增加种群多样性。关于a的取值，本文通过仿真实验来说明，当a取值为1、0.5、0.1、0.05、0.01时，分别用GDEDBA算法对测试函数F1和F2（迭代1 000次，维数为30）分别独立求解30次取其平均值，结果如表2所示。