《表2 与其他优化算法对比》
注:—表示该文献没有做计算。
仿真测试中,ISCSO算法的最大迭代次数M为1 000,种群大小N为100,维数D为30,所有测试函数的搜索范围为[-100,100]。NR、NH、NC和NM所占比重分别是0.2、0.6、0.1、0.1,更新代数G=10,F为[0.5,1]的随机数。为了消除算法的偶然性,每个测试函数独立运行30次,得到测试函数的均值、方差。将本文ISCSO算法和CSO算法、OBSA-CSO算法[13]、GCSO (20D)算法[16]进行对比,结果见表2。表中Mean为均值,Std为方差。将ISCSO算法与鸡群优化算法进行仿真实验,结果如图2所示。为了仿真结果直观清楚,图2仅采用前100代数据进行分析,横坐标代表迭代次数,纵坐标代表最优函数值。对表2和图2进行分析比较。
图表编号 | XD00197084900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.15 |
作者 | 童斌斌、周晓南、何庆 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学学报编辑部、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) |