为了检验PSO—BFO算法的性能，将该算法与标准BFO算法、标准PSO算法进行了比较。本节采用f3、f4、f6和f7这4个常用标准测试函数进行试验。这几个典型的标准函数都具有全局极小点，用它们来比较各种算法的性能是合适的。其中f6是一个相对比较简单的单峰函数，大多数算法都能够轻松地达到优化效果，其主要用于测试算法的寻优精度。f4和f3都是具有大量局部最优点的复杂多峰函数，很容易使算法陷入局部最优，而不能得到全局最优解。其中f4由于全局最优值落在边缘上而给算法增加了寻优难度。函数f3随着维数的增加，局部最优的范围越来越窄，从而找寻全局最优值就会变得相对容易。f7含有一个随机噪声的变量，通常用来衡量优化算法在处理混有大量噪声的单峰测试函数时的性能。这4个测试函数的详细描述和图形见本书附录。
为了保证算法的可比性，各相关算法取相同的参数。其中种群规模S=100，变量维度n=50，最大迁徙代数Ned=2，最大复制代数Nre=10，最大趋向代数Nc=10，最大前进步数Ns=4，驱散概率Ped=0.25，步长c=0.2，加速因子c2=2，w=0.75。
分别对上述4个高维多峰函数独立运行30次寻优。评价标准有平均值、标准差和成功率三个。三种算法的性能测试结果如表6.5所示。
表6.5 PSO—BFO算法的性能测试结果
由表6.5可知，无论单峰函数还是多峰函数，PSO—BFO混合算法在求解精度方面，都明显优于单一的PSO算法和BFO算法。此外对4个测试函数，PSO—BFO混合算法每一次试验都能够找到全局最优解，而PSO算法和BFO算法却多次寻优失败，表明本节所提出的PSO—BFO混合算法稳定性较高。
另外，算法的收敛性是检测算法性能的重要指标，在此以函数f3和f4为例进行说明。随机选取三种算法分别对函数f3和f4的一次运行结果，收敛曲线如图6.11和图6.12所示。(www.xing528.com)
由图6.11和图6.12可知，PSO—BFO混合算法在较少的迭代次数内就准确地收敛到全局最优点，其收敛速度明显快于BFO算法和PSO算法。
图6.11 基于f3的三种算法收敛曲线图
图6.12 基于f4的三种算法收敛曲线图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
