《表2 平均最优值概率（%）和迭代次数》

  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

《基于双模态卷积神经网络自适应迁移学习的浮选工况识别》

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

实验中狼群规模M=500，每个基因的编码长度取h=20，距离判定因子ω=500，步长因子S=1 000，更新因子γ=6，探狼比例因子δ=4，最大游走次数Tmax=20，最大迭代次数Kmax=500.对各个基准函数调整λ和Δθ参数的值进行实验，每组数据进行100次重复实验，统计达到最优值的概率，以及达到最优值的平均迭代次数，如表2所示，当λ取1.6、Δθ取0.3π时，算法具有最强的全局寻优能力，而且收敛速度较快.