《表1 GCCOA、GCCOAng和GCCOAnc的对比结果》

  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

《全局引导和相互作用的郊狼优化算法及其应用》

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

为了验证本文提出的两个创新部分对GCCOA优化性能的贡献，将GCCOA与其分别缺少这两个创新部分的不完整算法在CEC2017的10维函数进行对比实验。这两个不完整算法是GCCOAng和GCCOAnc，GCCOAng为无全局引导但有相互作用的COA，GCCOAnc为无相互作用但有全局引导的COA。依据文献[8]的最佳参数设置推荐，设置每个算法独立运行次数为51次，最大函数评价次数为10 000D。为了对比的公平性，三种算法GCCOA、GCCOAng和GCCOAnc的种群数N都设置为100，Np和Nc都设置相同。结果如表1所示。