《表3 粒子群算法各次迭代的全局最优解和函数值》
提示：宽带有限、当前游客访问压缩模式
目前，粒子群算法被广泛应用于函数优化问题。在实验3中，利用粒子群算法来搜索使目标函数F（X）最小化的X的值[14]。在各次迭代过程中，所获取的全局最优解如表3所示。
| 图表编号 | XD0067691300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 高雪瑶、刘云腾 |
| 绘制单位 | 哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 指标的相对权重、最优解和最劣解》2020.10.25
- 《表5 改进的粒子群算法结果和最优解的比较（4)》2020.12.10
- 《表4 改进的粒子群算法结果和最优解的比较（3)》2020.12.10
- 《表3 改进的粒子群算法结果和最优解的比较（2)》2020.12.10
- 《表2 改进的粒子群算法结果和最优解的比较（1)》2020.12.10
- 《表3 改进粒子群算法和基本粒子群算法最优匹配方案比较》2020.05.01
- 《表3 模型目标函数值：基于粒子群算法的局域供能配比优化方法》2020.05.05
- 《表2 Pareto最优解集中的极端解和最优折中解》2020.04.30
- 《表3 环首都配送中心CLRIP模型初始解和最优解的目标函数值（单位：元）》2020.07.26
- 《表2 DE/EDA、JADE、EDA/LS及其变形算法在13个测试题上得到的最优解函数适应值的排序结果统计》2020.02.01
- 《表2 最优解：基于粒子群优化算法的坦克火力分配方法》2020.04.18
- 《表1 三种算法最优解和迭代次数统计》2019.12.25
- 《表6 所有算法求解多峰基准函数时所得的最优解》2019.09.01
- 《表2 改进鱼群算法各次迭代的全局最优解和函数值》2019.04.01
- 《表1 鱼群算法各次迭代的全局最优解和函数值》2019.04.01
- 《表2 初始值、确定性最优解和稳健性最优解》2019.06.20
- 《表3 基于Pareto双目标蚁群算法最优解统计》2019.02.01
- 《表3 信息迭代结果：基于信息畸变修正和粒子群算法融合的配电网故障定位》2019.06.25
- 《表3 最优解和最优路径》2018.10.01
- 《表5 最优解和最优路径》2018.06.01