《表2 测序结果摘要：收敛因子和黄金正弦指引机制的蝴蝶优化算法》

  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

《收敛因子和黄金正弦指引机制的蝴蝶优化算法》

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

SSA算法具有收敛速度快，易于实现的特点，WOA算法除了具有较强收敛速度之外，其较SSA算法来说，具有较强的局部搜索能力和较高的收敛精度，所选对比算法均有较强的代表性。从表2实验结果可以明显看出，AGSABOA的寻优结果是明显优于所选对比算法的。表2给出了几个算法的最优精度值、平均精度值、精度标准差，其中最优精度值可以展示算法求解的质量，平均精度值能够反应在固定迭代次数的情况下算法能够收敛的精度，可以反应算法的收敛速度；而精度的标准差能够反应算法的鲁棒性。从表2中的实验结果可以看出函数f1、f3、f4、f5、f7、f9能够直接搜索到理论最优值，说明改进后的AGSABOA算法具有较好的寻优性能。函数f2是一种连续的、平滑的多峰函数，在求解过程中比较容易陷入局部最优值，本文的改进算法AGSABOA的收敛精度能够达到e-168，比基本BOA算法在收敛精度上高出159个数量级的精度，f6是一种复杂的爬山形函数，函数在狭长的全局极值点周围拥有很多的局部极值，在算法的迭代过程中很难跳出局部最优，改进后的AGSABOA比基本的蝴蝶优化算法在寻优精度上面提高了9个单位，该函数主要用以测试算法的收敛速度，从标准差上看，AGSABOA的波动较小，稳定性更好。f8具有很强烈的震荡性，有非常多的局部最优值，因此在算法迭代过程中很难求得最优值，本文的改进策略在求解精度上面比基本的BOA算法高出155个精度单位，说明本文的改进策略能够提高BOA算法寻优成功的概率。