《表5 IDE算法中不同F值的能量消耗》
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。
图表编号 | XD00222625600 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) |