《表2 FA算法和SFA算法测试结果比较》

  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

《基于自适应萤火虫算法的BP神经网络股价预测》

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

在实验中，算法的相关参数设置为:萤火虫种群个数为100个，最大迭代次数为2 000次，最大吸引度β0=1，步长因子初值α=0.05，光强吸收系数γ=1.0，函数维数设置为30。相比FA算法，SFA算法又引入了3个参数，参数值的设定分别为混沌搜索次数为30次、δ=0.97、Limit=100。为了避免算法偶然性带来的误差，每个测试函数分别独立运行30次，并统计其结果。规定当求解精度达到10-20时假定结果为0，通过记录FA算法和SFA算法在迭代后的平均值、最优值、最差值、平均运行时间等来评价各算法的优化性能，平均值、最优值、最差值反映的是解的质量，平均值反映的是算法所能达到的精度，平均运行时间反映的是算法的寻优速度。测试结果比较如表2所示。