《表4 优化函数的均值和标准差(D=50)》

  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

通过对DBSHS算法的原理进行分析可以看出，DBSHS虽然有3种即兴创作策略，但在每次迭代中选择一种最有价值的策略改进新的和声.从这个角度看，DBSHS的计算方法与标准HS相同.然而，每一次进化都需要计算3种策略的综合价值，计算量大于HS.根据综合价值公式和渐近复杂性理论可知，DBSHS并没有增加基本HS算法的时间复杂性.由图2的迭代曲线可见，该算法在迭代次数较少的情况下可以获得较好的结果，表明计算综合价值可以有效提高个体的优化性能，避免局部振荡计算.这种寻优性能特别适用于适应度计算复杂的优化问题，可以用更少的迭代获得更好的结果，即当计算适应度函数值的时间复杂度大于DBSHS计算综合价值的复杂度时，更能反映出DBSHS算法的优越性.