《Table 2 Optimization results of Sphere function表2 Sphere函数优化结果统计》
分析CRBA算法优化能力出众的原因:CRBA算法的越界随机重置策略减少了前期个体撞界的数量和概率,保证尽可能多的个体对整个种群提供有效的搜索信息。将越界粒子随机重置,使粒子很大概率能够搜索到未到达的区域,有利于粒子跳出局部最小值点。CRBA算法控制最优解附近的局部搜索的范围随着进化次数增加而缩小。在搜索前期,算法局部搜索的范围大,很容易定位到所感兴趣的搜索区域,保证了种群前期进化、快速收敛。种群进化趋于停滞时,高斯变异策略使种群的个体以最优解为中心向四周呈放射状搜索,且越界重置策略降低了个体撞上边界的几率,提高了搜索效率。蝙蝠个体逐渐远离当前最优解,去开发未曾搜索过的区域,一旦发现新的最优解,种群又快速聚集进行局部搜索。正是CRBA算法的随机重置、快速聚集、快速发散的特点,才使种群能够快速定位到可能存在最优解的区域,并进行充分的局部开发。
图表编号 | XD0035528100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 李永恒、赵志刚 |
绘制单位 | 广西大学计算机与电子信息学院、广西大学计算机与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |