《表8 无噪声下多种算法识别f2结果》

  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BMO算法的梁冲击荷载识别》

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

从表6-7可以看出，由于采取平均值作为识别值，故结果与实际偏离较大。实际计算中，两种算法的识别结果均收敛于[6，0.66，0.4，0.22]与[0.998，0.372，0.19，0.64]两组值。显然，第一组接近真实值，为正确搜索结果；第二组与真实值偏差大，显然是算法陷入了局部最优。可以观察到，在噪声高的情况下，平均识别结果甚至还更好，显然是噪声的存在反而使得第二组数据出现概率更低，识别平均值更佳，这说明两种算法全局搜索能力普遍不如BMO。而粒子群由于寻优计算机制单一，相比拥有变异机制的遗传算法更差，其粒子个体的速度在搜索后期基本趋近于零。算法设定的粒子速度范围选择上约束性也很强。因为其粒子在前期维数更新中极其活跃，过快的速度会使识别值趋向于参数取值范围两侧的局部最优点，过慢的速度会使粒子快速趋于静止，这两种现象还会因前几代个体的具体值在局部最优值附近而加重，使得在初期搜索中即收敛，形成“早熟”现象。为进一步比较算法的局部搜索能力，选择GA与PSO中无噪声情况下的一组正确识别数据，并与BMO的一组识别值进行精度上的对比，结果见表8。