《表3 优化函数的均值和标准差(D=30)》

  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

《基于动态行为选择的和声搜索算法》

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

由图2的迭代曲线可以看出，由于采用了固定的即兴创作策略和单一的知识源，其他算法在达到一定精度后很难跳出局部最优.然而，DBSHS的迭代曲线表明，即使维数达到100，该算法也能以更快的迭代方式更新最优解.可见，DBSHS在较少的迭代次数下可以获得更好的结果.对于f6，IGHS算法优于DBSHS算法；对于f8，LHS算法优于DBSHS算法；由表3～表5可知，当优化维数增加到500时，IGHS和LHS算法的优化效果并不比DBSHS好，并且IGHS的优化效果迅速下降.当f6和f8的维数扩展到500时，SRHS的优化结果更好，但SRHS和DBSHS的优化效果只有一个数量级的差异，表明SRHS和DBSHS的优化效果没有太大的差异，这也从另一方面表明了“没有免费午餐定理”.从实验结果总体来看，DBSHS算法与9种比较算法相比，具有良好的性能优化，特别是在处理高维函数的过程中具有良好的适应性.