《表6 六种算法平均值与标准差实验结果比较》
为了更全面地比较各种算法的性能,计算了这六种算法在所有函数上30次独立运行后的均值、标准差、最优值、最差值,实验结果如表5和表6所示。其中std列表示标准差,opt列表示最优值,所有算法在每个测试函数上获得的结果中最好的加粗显示。在相同的标准测试函数下,均值代表算法的收敛精度,标准差代表算法的稳定性,显然,均值和标准差越小,算法避免局部解和确定全局最优解的能力就越强。从表5可以看到,在单模态和双模态测试函数上麻雀搜索算法在12个测试函数上能够成功地找到一个优秀的解,其中在6个函数上获得了全局最优值,而灰狼优化算法、鲸鱼优化算法、蜻蜓算法、蝙蝠算法和蝗虫优化算法成功找到一个优秀的解(全局最优值)的函数个数分别为10(2)、11(2)、9(1)、5(0)、9(0)。在多模态测试函数上,麻雀搜索算法在9个测试函数上都成功地找到一个优秀的解,其中在3个函数上获得了全局最优值,而蜻蜓算法、鲸鱼优化算法和蝗虫优化算法在8个函数上获得一个优秀的解,在3个函数上获得了全局最优值。灰狼优化算法在8个函数上获得一个优秀的解,其中在2个函数上获得了全局最优值。但蝙蝠算法仅在5个函数上获得一个优秀的解,其中在1个函数上获得了全局最优值。这说明麻雀搜索算法比其他五种算法有良好的全局搜索能力,次之是鲸鱼优化算法和灰狼优化算法。从表6可以看出,麻雀搜索算法在20个测试函数上获得了最小的均值,收敛精度性能好,在19个测试函数上获得了最小的标准差,说明可以稳定地聚集在全局最优点附近。而灰狼优化算法、鲸鱼优化算法、蜻蜓算法、蝙蝠算法和蝗虫优化算法获得最小均值(标准差)的测试函数个数分别为3(1)、1(3)、2(2)、2(0)、4(1)。这说明麻雀搜索算法的稳定性和收敛精度远领先于其他五种算法,各个算法定性分析结果如表7所示。
图表编号 | XD00188979700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 李雅丽、王淑琴、陈倩茹、王小钢 |
绘制单位 | 天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |