《表1 函数f1(x)的计算结果》

  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

《基于改进的遗传算法在函数优化中的应用》

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

为了方便观察将图2（c）（d）两张图放大，可以看出IAGA的收敛速度明显小于NAGA的收敛速度。由于IAGA只用了最优保存策略，对于优良个体的保存较少，而NAGA不仅运用了排序选择算法保留适应度大的1/4个体，而且还与最优和最差保存策略相结合，这样不仅提高了种群进化的速度，而且还均衡了种群多样性。为了更直接地观察到各遗传算法的求解能力，把三种算法以总迭代次数为450次重复30次后，将搜索到最优解的迭代次数、最优值、收敛概率以及重复30次其中收敛的次数这几个因素将采用三种算法进行对比，结果如表1所示，表中是重复次数为30次的平均值。