《表2 ACA与IACA结果对比Tab.2 Comparison of ACA and IACA》
如前文所述,改进算法在δ为0时,即转化为基本蚁群算法。因此,综合三个实例,在测得的较好参数组合情况下,δ分别取为0和测得值,即可对ACA和IACA进行对比,对比结果如表2所示。可以看出,对于小规模以及中等规模问题,两种算法均可以快速有效的求得较好解。对于较大规模问题,基于动态调整选择策略的IACA比ACA具有较明显的优越性。无论最差解、最好解,还是平均值,IACA均优于ACA。随着问题规模的增大,算法搜索需要的时间增长,标准偏差变大。针对较大规模问题,改进算法依旧能够有效的获得较好解。
图表编号 | XD0019052500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 任亮、黄敏、王洪峰、王兴伟 |
绘制单位 | 东北大学信息科学与工程学院流程工业综合自动化国家重点实验室、武汉科技大学恒大管理学院、东北大学信息科学与工程学院流程工业综合自动化国家重点实验室、东北大学信息科学与工程学院流程工业综合自动化国家重点实验室、东北大学信息科学与工程学院流程工业综合自动化国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |