《表2 无约束测试函数上的结果对比(成功次数/迭代次数/时间)》
在算法ITLBOBSO的早期,当前个体保持向最优个体收敛的趋势,同时由于受“学”算子的影响,个体也在不断搜索更为广阔的区域,避免种群过早地收敛到最优个体所在区域而使算法陷入早熟。在算法的后期,如果种群聚集在全局最优解所在区域,则个体会利用“学”算子保持自身状态,对所在区域进行精细搜索,提高算法的解精度。如果种群被局限于局部最优解所在区域,“学”算子中的柯西函数,也会赋予种群一定的变异能力,使个体逃离约束。综上所述,所提出算法的“教”和“学”算子可以很好地协调,保证种群全局搜索和局部勘探之间的平衡。
图表编号 | XD00222678900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.10 |
作者 | 李丽荣、杨坤、王培崇 |
绘制单位 | 河北地质大学艺术设计学院、河北地质大学信息工程学院、河北地质大学人工智能与机器学习研究室、河北地质大学信息工程学院、河北地质大学人工智能与机器学习研究室 |
更多格式 | 高清、无水印(增值服务) |