《表2 在45维度下GA, PSO, AMO, SMO在12个基准函数上的结果对比》

  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

《基于状态转移和模糊思考的迁徙优化算法》

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

首先，为了观察算法的收敛精度及其稳定性，本文将4种算法在12个基准测试函数上各运行10次，记录每种算法在每个函数上的平均值（Mean）和标准差（Std），12个基准测试函数均取自社会蜘蛛算法（SSO）[20]。在30和45维度下各个函数的测试结果分别如表1和表2所列。实验结果表明，在30维度上，SMO算法在f3，f5，f7，f8，f10，f11，f12这7个函数上表现最优；在45维度上，SMO算法在f1，f3，f4，f5，f7，f8，f10，f11，f12这9个函数上表现最优，说明SMO算法在处理较高维问题上更有优势；为了观察SMO算法的收敛性能，将4种算法分别运行于f3，f5，f7，f8这4个基准测试函数上，实验结果如图1所示。实验表明，SMO算法在初期具有更快的收敛速度，在末期具有更佳的收敛精度。