《表2 三种算法模式下的函数优化对比结果Tab.2 Comparison results of function simulation with three model of algorithm》

  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

《基于特征方程的蝙蝠算法分析及其改进策略》

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

为验证改进蝙蝠算法的收敛性能，本文选取了求解非线性优化问题性能突出的带权重粒子群算法（I-PR-PSO）[18]及基本蝙蝠算法进行对比.为此，选取5组典型benchmark函数进行仿真验证，如表1所列.算法基于MATLAB平台编程实现，其中算法最大迭代次数为1 000代，蝙蝠群体大小为40，解空间维度为10；蝙蝠个体最大响度初始化为A=0.5，并随着算法迭代次数的增加依线性衰减，蝙蝠个体初始脉冲速率随机生成以呈现群体多样性，随着算法迭代次数的增加，脉冲发射速率依线性增强，且设α=γ=0.9.粒子群算法的参数设置如下:粒子群算法的种群大小为40，粒子速度权重取值范围为ω∈[0.4，0.9]，粒子自身认知参数和社会认知参数分别置c1=c2=2，最大终止迭代次数为1 000.表2是三种算法独立运行1 000次后的仿真运行结果，其中，最大极值表示算法独立运行1 000次所获得的极小值的最大取值，最小极值表示算法运行1 000次后获得的极小值的最小值，平均极值表示的是各算法独立运行1 000次所获得的最优极值的平均值.