《表1 优化测试函数：进化策略自主选择的改进混洗蛙跳算法》

  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

《进化策略自主选择的改进混洗蛙跳算法》

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

选取与文中ESAS＿SFLA算法4种策略相关且具有代表性的算法进行比较。将其与基本混洗蛙跳算法[1]（SFLA）、差分进化算法（DE/best/1、DE/rand/1）[22]、基本粒子群算法（PSO）[23]、（MSFLA）[10]、（MSFLA1）[12]、（ISFLA）[13]和（MSFLA2）[14]进行寻优性能对比。这里选用PSO和DE进行对比，是由于其进化方式与本文的某种进化策略相似。实验环境为:Windows7操作系统，Intel酷睿i5处理器，主频2.5 Hz，4G内存，开发工具为Matlab R2014a。针对10个函数极值求解问题，各算法的参数设置如下:种群个数均设置为N=100；各自迭代500次，每个算法独立运行10次；PSO的ω=0.729 8，c1=1.496 2，c2=1.496 2；DE/rand/1、DE/best/1的F=0.5，CR=0.3；ESAS＿SFLA、SFLA、MSFLA、MSFLA1、MSFLA2和ISFLA的分组个数为10，子群内个体数为10，且ESAS＿SFLA的参数α=0.5，MSFLA、MSF-LA1、MSFLA2和ISFLA的其他参数参照相应文献。测试函数如表1所示，分别对每种算法的不同维数（10，30，60，100）进行优化对比。