《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》
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。
图表编号 | XD00175698900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.18 |
作者 | 王闯、张勇、李学贵、董宏丽 |
绘制单位 | 东北石油大学复杂系统与先进控制研究院、黑龙江省网络化与智能控制重点实验室、东北石油大学电子科学学院、东北石油大学计算机与信息技术学院、东北石油大学复杂系统与先进控制研究院、黑龙江省网络化与智能控制重点实验室 |
更多格式 | 高清、无水印(增值服务) |