《表5 4种优化算法对于不同维度类型的5种测试函数的优化结果表》

  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

《引入多级扰动的混合型粒子群优化算法》

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

注:*表示优化结果与函数极值的真值无显著差异

通过仿真实验，对上述4个函数进行优化测试:定义函数的全局极值为最优值；运用3种基于粒子群的优化算法（混合粒子群优化算法、标准粒子群优化算法以及带收缩因子的粒子群优化算法）进行优化运算；算法中设置4种步长维度（5，10，15和20，表示优化算法中粒子个数）分别进行运算；单次优化的终止条件为迭代次数达到2 000次；实验重复次数为10次，取平均值对不同设置和场景（函数）分别进行比较.前3个函数——Sphere函数、Ackley函数和Rastrigin函数因其全局最小值都为零，因此优化算法的优化效果以其最终优化结果值的精度表示，具体对比结果见表5.而Styblinski-Tang的全局最小值不为0，因此优化结果以算法优化值与函数极值之间的偏差来表示.偏差φ的计算方法由公式（23）计算而来: