《表2 测试结果统计：改进粒子群优化算法及其在聚类分析中应用》

  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

《改进粒子群优化算法及其在聚类分析中应用》

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

上述改进的PSO算法对每个测试函数的适应度值如图2～9所示。纵坐标代表平均适应值的对数形式，横坐标是迭代次数。另外，在表2中给出了各种算法的最小值、均值、标准差和收敛率几个参数。整体上看所提出的AF-PSO算法在均值、最小值和标准差指标方面表现出优于其他PSO算的优越性。具体地，AF-PSO算法的平均适应值较小，都是负指数，这证明了AF-PSO能到达全局最优解。此外，收敛率用于证明优化算法收敛性的重要指标。