《表1 测试函数：新型飞蛾火焰优化算法的研究》

  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

《新型飞蛾火焰优化算法的研究》

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AMFO算法中，limit值为判断陷入局部最优的阈值，即当算法连续迭代limit次后，当前最优解仍然没有得到改善，则认为算法陷入局部最优。为了说明Kent混沌中limit参数对AMFO算法的性能影响，针对表1中函数f5，limit分别设置为5、10、15、20，表3列出了AMFO算法在不同limit下的性能情况。从表3中可以看出，AMFO算法在limit=5的情况下，耗时较其余几种情况多几秒，当limit较小，更容易将当前最优解认为陷入局部最优，也就会进行更多次的Kent混沌搜索，将增加算法的耗时。在limit=10、15和20的情况下，AMFO算法耗时基本相当。针对函数f5，当limit=10时，AMFO算法优化得到的平均值为1.487×10-5，是四种limit参数中最优的。过小的limit，AMFO算法进行Kent混沌搜索次数增加，将会提升算法精度，却增加耗时；相反，将会降低算法精度，却减少耗时。综合考虑，文中将limit参数设置为10。