实验设置对比: CGACS, 传统协同进化算法和GALib求解布局问题

本章分别采用CGACS、传统的协同进化算法（CCGA）和GALib求解上述布局问题，由于上述标准测试算例的目标函数和约束条件较简单，因此本书的CGACS中的启发式协调机制仅采用本书4.3.2节第1点中所描述的基于待布对象的扩展模式局部搜索方法，而对于本书4.3.1节和4.3.2节第1点中所描述的启发式协调机制将在本书第7章中的复杂工程实例进行验证。每种算法分别进行50次随机计算，用以检验各算法求解此类布局优化问题的整体性能。需说明的是，由于此组典型布局测试问题均为一个布局空间，因此CGACS的启发式协调机制采用本书研究的基于全局耦合性约束的启发式协调机制和基于待布对象的扩展模式局部搜索方法，对于组合-旋转启发式协调机制，将在本书第8章和第9章中进行工程实例验证（由于此实例具有多个布局子空间）。实验环境为：PC机一台，CPU为Intel奔腾4 1.7 GHz，内存为DDR266，总量512 M，操作系统为WindowsXP SP2，程序设计语言为C++，所用编译器为C++Builder6。

本书对各算法的参数设置如表4.5所示。需要说明，此处所给各算法参数值由实验试算后确定，能够保证各算法在求解上述布局问题时具有较佳的求解性能。

表4.5　各算法的参数设置

(www.xing528.com)

续表

注：N为待布物的规模。