《表3 优化函数的均值和标准差(D=30)》
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.
图表编号 | XD00204388400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 刘丽杰、刘继承、张强 |
绘制单位 | 东北石油大学电气信息工程学院、黑龙江八一农垦大学信息与电气工程学院、东北石油大学电气信息工程学院、常熟理工学院电气与自动化工程学院、东北石油大学计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |