《表1 基准测试函数:基于自适应决策算子的鲸鱼优化算法》
在对算法进行改进的过程中发现,不同改进策略对算法的影响各不相同。为了分析本文提出的每个改进方法的效果,将每个改进方法针对WOA进行改进,分别对应为基于混沌Singer映射的鲸鱼优化算法(Whale Optimization Algorithm Based on Chaotic Singer Map,CWOA)、基于分段自适应权重的鲸鱼优化算法(Whale Optimization Algorithm Based on Piecewise Adaptive Weight,WWOA)和基于决策算子的鲸鱼优化算法(Whale Optimization Algorithm Based on Decision Operator,DWOA)、并将每一种改进算法与改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、和灰狼算法(Grey wolf optimizer,GWO)同时在表1所示的10个基准测试函数下进行重复求解测试,记录最优值、最差值、均值等评价指标。考虑到维度是影响求解性能的重要因素,所以将各个测试函数的维度随机设置为2~200维,从而验证算法求解低维和高维的能力。
图表编号 | XD00192250600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 徐航、张达敏、王依柔、宋婷婷、樊英 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |