《表6 所提算法与GA所需样本量对比》
(6) 对比传统仿真优化方法,即直接将仿真函数看做目标函数进行优化,选取遗传算法(genetic algorithm,GA,调用Matlab的ga函数,取默认参数值)进行优化,如表6所示,找到最优解为(-0.289 5,-0.125 7),对应的仿真期望值为-3.935 6(相比本文结果精度较低),调用了仿真函数2 020次。从结果可以看出,一方面,一次GA算法涉及大量个体的计算,需要大量获取仿真样本(如这里用了2 020个),要明显多于本文算法(初始1 681个+增补10个);另一方面,GA算法可能陷入局部极小,为避免陷入局部极小可多次执行GA算法,但所需样本量将成倍增多。因此,与传统仿真优化方法相比,本文方法能够针对性增补样本,尽可能减少仿真次数,同时保证全局最优。
图表编号 | XD0060110400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 吴诗辉、张发、李正欣、刘晓东 |
绘制单位 | 空军工程大学装备管理与无人机工程学院、北京理工大学珠海学院商学院、空军工程大学装备管理与无人机工程学院、空军工程大学装备管理与无人机工程学院 |
更多格式 | 高清、无水印(增值服务) |