《表3 中小规模城市测试集的性能对比》

  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

《引入熵的自适应双种群蚁群算法》

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

为分析RBAC在中小规模问题中的性能，将RBAC、ACS+3-opt、ACS及MMAS分别应用于不同规模问题，结果如表3与图4所示。经典算法ACS及MMAS在解的质量与收敛速度方面与BRAC及ACS+3-opt差距较大，存在较严重失真，ACS+3-opt虽然在一定程度有所优化，但解的误差依旧较大，收敛速度也没有得到改善。对于eil51、eil76、kroA100这3个小规模问题能得到标准最优解，在3组实验中，RBAC用较少迭代次数便得到最优解，而ACS、ACS+3-opt和MMAS均陷入局部最优。RBAC在解的质量方面与经典算法差距不明显，但在迭代次数方面却有很好改善，尤其在eil51实验中，RBAC算法迭代25次便得到最优解。中规模问题bier127、ch150、pr152、d198等实验中，RBAC算法有效地将误差率控制在1%以内，而ACS、ACS+3-opt与MMAS得到解的质量较低，表明改进算法能有效提高解的质量。同时RBAC算法在中规模问题中收敛速度的改进也得到进一步体现，在pr152实验中，改进算法只使用了经典算法迭代次数的三分之一就得到最优解，解的质量较经典算法也较好优化，表明改进算法很好地实现了收敛速度与解的质量之间平衡。