《表1 主要技术参数:自适应变异的天牛群优化算法》
为验证本文提出的自适应变异的天牛群优化(BSOAM)算法的性能,将其与粒子群优化算法[1]、惯性权重动态调整的粒子群算法[22]、基于粒子群优化和万有引力搜索算法(Gravitational Search Algorithm,GSA)的混合优化算法(PSOGSA)[23]、杂交粒子群算法(Hybrid Particle Swarm Optimization,HPSO)[24]、文献[18]提出的天牛群优化算法、本文提出的新型天牛群优化算法、采用DE/rand/1/bin差分策略的差分进化算法[25]进行对比。记惯性权重动态调整的粒子群算法为PSO-w,文献[18]提出的天牛群优化算法为BSO-1,本文提出的天牛群优化算法为BSO-2。所有算法种群规模N=100。本文中参与测试的粒子群优化算法及其衍生算法都具备c1、c2、ω三个主要参数,设置情况见表1。
图表编号 | XD00197788200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 沈涵、都海波、周俊 |
绘制单位 | 合肥工业大学电气与自动化工程学院、合肥工业大学电气与自动化工程学院、合肥工业大学电气与自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |