《表5 IDE算法中不同F值的能量消耗》

  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

然后，针对不同参数对IDE算法的影响如表4～表6所示，本实验中设置相同的初始值。在IDE算法中，有三个重要的基本参数，即种群大小P、差分放大系数F和交叉因子CR。从表4可以看出，所提出的算法在P=20时保持最佳。这是因为当P很大时，小的差分放大系数会阻碍它得到最优解，同时增加迭代次数才能收敛；当P很小时，种群多样性减小。如表5所示，能量消耗随着F的减小而变化，并且当F=1时，收敛效果最好。这是因为小的差分系数对群体多样性的贡献比较小，而大的差分方法系数可能导致问题无解。因此，适当的差分放大系数很重要。如表6所示，所提算法的性能随着CR的增长而下降，原因为交叉是随机的，不涉及任何已知的信息，例如最优解。设计交叉因子的目的是增加种群的多样性，而在本问题中太大反而影响结果。因此，本文对IDE算法设定P=20，F=1和CR=0.1。