《表7 所有比较算法30维仿真测试结果》

  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

《基于反向学习的微种群教与学优化算法及其应用》

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

为进一步验证OBL-μTLBO算法的寻优性能，本部分将对OBL-μTLBO算法与表现较好的微种群算法μJADE和非微种群算法TLBO-CSWL、ODE进行性能比较。与3.1和3.2节不同，在本实验中，所有算法终止条件设定为最大的适应度函数评价次数，即30 000。同时，μJADE、ODE、TLBO-CSWL的种群规模分别设定为8、100、40。所得结果见表7。从表7可以看出，OBL-μTLBO算法在f1、f2、f3、f4、f5、f6、f7、f9、f10、f11、f12上得到的平均结果明显优于μJADE算法。而μJADE只在f8和f13这两个函数上要比所提算法表现得好。这足以说明OBL-μTLBO算法的寻优效率要好于μJADE算法。相比于TLBO-CSWL，除测试函数f7、f8、f12外，OBL-μTLBO算法在所有函数上都要比它表现得好。此外，OBL-μTLBO算法在所有测试函数上的优化结果都要好于ODE。综上，OBL-μTLBO算法不仅具有较快的收敛速度和能够降低计算内存的要求，而且还有较强的全局搜索能力。