《表1 10维测试函数上基本CSA和添加了基因重组和变异的策略对比Tab.1 Comparison of Basic CSA, CSA with recombination and RHCSA on

  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

《基于成功历史自适应的混合克隆选择算法》

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

算法一共引入了两种策略，分别是基因重组和成功历史自适应克隆选择，为了验证这两种策略的有效性，下面在10维的测试函数上进行了仿真试验，并对其结果进行了对比.首先为了避免其它操作对算法的影响，选择只有克隆、超变异和选择3种基本操作的克隆选择算法（记为CSA），在CSA上分别添加基因重组策略（记为RCSA）和成功历史自适应克隆选择策略（记为HCSA），最后合并基因重组策略和成功历史自适应克隆选择策略（记为RHCSA）.在CSA和RCSA中采用的是高斯变异的随机数进行超变异，其余的参数保持一致.实验结果如表1所示，受篇幅限制，截取了前10个函数的误差（均值±方差）的对比结果.从表1中可以看出基本的克隆、超变异和选择的操作在函数求解时表现较差，通过加入基因重组，一定程度上提升了算法的搜索能力，在除f5和f8以外的函数上都使误差减少了一个数量级.基因重组主要的功能是提高种群的多样性，避免陷入局部最优，但仅依靠基因重组策略算法的局部搜索能力还差强人意.成功历史自适应克隆选择策略可以大大提升算法的搜索能力，其搜索结果在f1～f6上都找到了最优值，除f7和f8外都达到了很好的效果，甚至比两种策略相结合的效果还要好，但是在f7陷入了局部最优值，搜索结果比较差.两种策略相结合后的RHCSA在函数f1～f6上都定位到了全局最优值；虽然在函数f9～f10上稍差，但基本可以接受；而在f7上的结果也比较让人满意.经过对比分析可以看出，基因重组策略和成功历史自适应克隆选择策略的引入能够有效提升算法的寻优能力和提升算法的稳定性.