《表2 测试函数仿真结果:演化信息协助的动态协同随机漂移粒子群优化算法》
对于所有测试函数,表2中列出了每种算法30次独立运行2 000次迭代的统计值,其中“Best”“Worst”和“Ave.”,分别代表30次独立运行中获得的最优解的最好值、最差值以及最优解的平均值,“Std.”代表获得的最优解平均值的标准偏差。黑体字的值意味着对应算法对于特定测试函数是测试算法中最优的。从表2可以清楚地看到,对于所有测试函数,本文提出的CRDPSO算法性能都优于其他七种算法。虽然RDPSO和CCQPSO在f1、f2和f6上均表现了出色的性能,但CRDPSO算法在所有其他测试函数上均胜过它们。除f9以外,CRDPSO算法的标准偏差对于几乎所有测试函数都是最优的。这表明CRDPSO对于绝大多数测试函数都能获得最优解,具有最好的算法稳定性。此外,详细的仿真结果(“Best”“Worst”“Ave.”和“Std.”)表明,CRDPSO的性能表现在十种测试情况下均排名第一。因此表2中列出的仿真结果表明,CRDPSO的整体性能优于其他比较的算法。通过使用演化信息机制,CRDPSO可以确保搜索过程中的非重复访问以及快速收敛到局部最优。同时,它利用自适应突变来指导粒子搜索更好的邻域,进一步提高局部搜索能力,使得CRDPSO算法可以获得最好的平均最优值,并且也是最稳定的。
图表编号 | XD00189083900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 赵吉、程成 |
绘制单位 | 无锡环境科学与工程研究中心、江南大学物联网工程学院、中国船舶科学研究中心 |
更多格式 | 高清、无水印(增值服务) |