《表5 案例2计算结果对比》
表4和表5所示为FOSOGA,FOSOGAF和FOSOGAS就案例1和案例2的计算结果,3种算法针对各案例的两种情景均运行了10次。图6所示为FOSOGA,FOSOGAF和FOSOGAS在案例1的情景a和情景b下获取的最佳解的收敛曲线,有关最早收敛世代数如表4所示。由图6和表4中数据可见,案例1中FOSOGA的收敛速度最快,随后是FOSOGAF,FOSOGAS收敛最慢。由表5数据可见,案例2中也是FOSOGA的收敛速度快于FOSOGAF和FOSOGAS。因此,FOSOGA中的精英参与交叉策略可加速算法的收敛速度。从表4和表5数据还可以看出,在两个案例中,运行10次FOSOGA得到的最佳解、解的平均值和最差解均优于FOSOGAF和FOSOGAS。以上结果表明,自适应FOSOGA不但避免了确定最佳pc和pm的问题,而且所获取解的质量优于固定pc和pm的FOS-OGAF以及单纯采用轮盘赌选择父个体交叉的FOSOGAS。综上所述,FOSOGA的收敛速度和全局优化能力均优于FOSOGAF和FOSOGAS。
图表编号 | XD0067545600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 窦建平、李俊、苏春 |
绘制单位 | 东南大学机械工程学院、东南大学自动化学院、东南大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |