《表3 不同初始值的IDE算法结果》
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。
图表编号 | XD00222625500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 张梦琳、江沸菠、董莉、高颖 |
绘制单位 | 湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南工商大学新零售虚拟现实技术湖南省重点实验室、湖南师范大学智能计算与语言信息处理湖南省重点实验室 |
更多格式 | 高清、无水印(增值服务) |