《表1 3种测试函数的基本属性》

  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

《具有适应度选择调整策略的混沌遗传算法及其应用》

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

为了检测本文所提出的混沌遗传算法的优化性能，仿真实验选取了3种被广泛使用在智能优化算法中的数值测试函数进行验证，并与标准PSO算法[13]、ABC算法[14]、ACO[15]算法比较，证明本文提出的CGA的优化性能。在仿真实验中，初始化各项参数，编码串长度φ=8，种群数M=30，进化代数G=50，交叉概率Pc=0.9，变异概率Pm=0.1，混沌迭代次数N=500，各算法循环次数L=50。PSO、ABC、ACO算法的参数设置见文献[13-15]。当算法达到最大迭代次数或相邻两次优化结果连续3次结果相差小于10-6时结束循环操作，输出各项数据指标。表1列出了3种测试函数的基本属性。