《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》

  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

《演化信息协助的动态协同随机漂移粒子群优化算法》

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

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。