《表1 不同规模订单各算法求解情况对比》
为了验证MSCA算法的性能,结合某企业给出的60个客户订单进行测试,并与标准遗传算法(GA)、标准粒子群算法(PSO)、标准人工鱼群算法(AFS)进行比较。实验在Windows 10系统平台,MATLAB7.0开发环境下进行。进化代数均为600,其中,对于MSCA,各子算法的进化代数均为50,子种群规模均为60;对于GA,种群规模为180,交叉概率及变异概率分别为0.80、0.06;对于PSO,种群规模为180,惯性权重w为1.3,学习因子c1和c2均为2;对于AFS,种群规模为180,步长为0.5,视野范围为15,尝试次数为30,拥挤度因子δ为0.618。自动化立体仓库系统参数:L=30 cm,W=50 cm,H=40 cm,W1=80 cm,W2=80 cm,L1=8,L2=100,L3=15,L4=7,vx=1 m/s,vy=0.5 m/s,C=500 kg。针对本文上述测试算例,图3为各算法求出的最优解随进化代数的变化趋势。为具有普适性,对不同规模的订单进行了测试,并对参与比较的算法各运行30次,同时,为兼顾公平性,各算法使用相同的目标函数评价次数,图4给出了订单规模为60时,30次运行结果的箱形图,表1给出了不同规模订单运行30次的最优解、平均值及标准差。同时,在算法性能上,为验证MSCA与GA、PSO及AFS是否存在显著性差异,又对算法的运算结果进行了基于均值的双样本t-test,本文首先假设参与对比的两个算法之间在性能上不存在显著性差异,并且显著性水平设为0.05。表1中的t-test1、t-test2和t-test3分别表示MSCA与GA、PSO和AFS的对比测试。
图表编号 | XD00218896800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 杨文强、张素君、郭昊 |
绘制单位 | 河南科技学院机电学院、河南科技学院机电学院、河南科技学院机电学院 |
更多格式 | 高清、无水印(增值服务) |