《表1 传统生物启发算法与GBNN算法对比》

《表1 传统生物启发算法与GBNN算法对比》   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
《基于改进神经网络的多AUV全覆盖路径规划》


  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

由此可见，双AUV在路径覆盖总长度、重复覆盖区域和重复覆盖率等3个指标上，基于本文GBNN算法具有更优的性能表现。

图表编号XD00175698700    严禁用于非法目的
绘制时间2020.08.18
作者朱大奇、朱婷婷、颜明重
绘制单位上海海事大学上海智能海事搜救与水下机器人工程技术研究中心、上海海事大学上海智能海事搜救与水下机器人工程技术研究中心、上海海事大学上海智能海事搜救与水下机器人工程技术研究中心
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 PNGA和主流启发式算法最优值对比》2020.10.01
  2. 《表1 模型参数：基于改进A~*GBNN算法的AUV路径规划》2020.09.25
  3. 《表1 传统算法与改进后算法RMSE对比》2020.12.16
  4. 《表3 启发式算法与Cplex的求解结果》2020.11.29
  5. 《表2 元启发式优化算法对比》2020.06.25
  6. 《表8 FECO算法与其他启发式算法对于CEC2015测试函数的比较》2020.05.01
  7. 《表7 FECO算法与其他启发式算法的比较(2)》2020.05.01
  8. 《表6 FECO算法与其他启发式算法的比较(1)》2020.05.01
  9. 《表1 传统算法与本文算法运行方差对比(μm)》2020.07.25
  10. 《表1 ILP模型和启发式算法的端口数量结果对比（单位：个）》2020.04.20
  11. 《表2 ILP模型和启发式算法的求解耗时对比（单位：s)》2020.04.20
  12. 《表5 三种算法K-S值：生物启发优化算法与上市公司信用评级——基于ABC-SVM的实证研究》2020.07.15
  13. 《表1 优化A*算法与传统A*算法数据对比》2020.03.20
  14. 《表1 改进算法与传统ICP算法处理速度对比》2019.12.01
  15. 《表2 启发式算法与机器学习的对比》2019.10.20
  16. 《表1 传统实体统一算法与本文采用的算法对比表》2019.08.01
  17. 《表2 几种主要的启发式算法特点对比》2019.06.15
  18. 《表1 传统算法与改进算法路径规划对比》2019.07.10
  19. 《表1 算法参数表：超启发式文化基因算法优化生产与预维修集成调度问题》2019.08.01
  20. 《表1 传统算法与本文算法运行时间对比结果》2019.02.25

随机翻阅

《表3 两组对Mini-CEX形成性评价方式的满意情况[n(%)]》 《表2 两个因子对因变量交互作用类型》 《表6 大连市5座大型水库氮磷比结果》 《表3 样本户的社会经济特征变量描述统计》 《表2 SPOC任务视频项目组成》 《表8 立即停车疏散结果均值》 《表6 对硬件设施满意程度调查结果表 (n=365)》 《表3 G1组学习行为描述性统计结果》 《表1 养老保险隐性债务测算情况表》 《表5 牧草品质和试验时期对羔羊血浆生化指标的影响》