《表3 不同初始值的IDE算法结果》

  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

《智能无人机轨迹与任务卸载联合优化》

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

基于上述相对最优UAV的部署和初始用户的聚类结果，接下来首先研究上述结果对本问题精确度的影响，如表3所示；然后研究IDE算法中不同参数对该算法收敛性的影响，如表4～表6所示。最后研究不同自适应算子对该算法收敛性的影响，如表7所示。表3所示为加入精英初始策略和不加精英初始策略的IDE算法迭代结果。从表中可以看出，加入精英初始策略的IDE算法最优解优于不加精英初始策略最优解。因为hSOM网络本身是基于聚类的神经网络，在此基础上用IDE算法寻优，为算法提供了优质的初始解。