个人主页:研学社的博客
欢迎来到本博客❤️❤️
博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
本文目录如下:
目录
1 概述
2 运行结果
3 Matlab代码实现
4 参考文献
普拉萨图尔矩阵: Prasatul 矩阵是通过直接比较两种优化算法产生的 r 个试验的解来制备的。它在行和列中具有三个抽象级别。 指令: 为了进行质量比较,您可以简单地在 r 运行中使用通过两种进化优化算法获得的最佳值。 对于收敛比较,您可以在单次运行的 i 迭代中使用通过两种进化优化算法获得的最佳值(或者,如果考虑 r 次运行,则采用迭代平均值)。 对于解决方案质量,给出了 SCA 和 WOA 在 CEC 2005 f5 上获得的解决方案的示例,该解决方案在维度 20 中运行超过 50 次。您只需要替换任何一对算法的 csv 文件即可生成 LMatrix(Prasatul 矩阵)和 D 分数和 K 分数。
部分代码:
function [Dscores, Kscores ] = getDKscores(L)
n=sum(sum(L));
o1=L(1,1)/(1+L(1,1)+L(2,1)+L(3,1));
o2=L(1,2)/(1+L(1,2)+L(2,2)+L(3,2));
o3=L(1,3)/(1+L(1,3)+L(2,3)+L(3,3));
DO=o1+0.5*o2-o3;
c1=L(1,1)/(1+L(1,1)+L(1,2)+L(1,3));
c2=L(2,1)/(1+L(2,1)+L(2,2)+L(2,3));
c3=L(3,1)/(1+L(3,1)+L(3,2)+L(3,3));
DC=c1+0.5*c2-c3;
ko1=(L(1,1)+L(2,1)+L(3,1))/n;
ko2=(L(1,2)+L(2,2)+L(3,2))/n;
ko3=(L(1,3)+L(2,3)+L(3,3))/n;
KO=ko1+0.5*ko2-ko3;
kc1=(L(1,1)+L(1,2)+L(1,3))/n;
kc2=(L(2,1)+L(2,2)+L(2,3))/n;
kc3=(L(3,1)+L(3,2)+L(3,3))/n;
KC=kc1+0.5*kc2-kc3;
KT=(L(1,1)+L(1,2)+L(2,1)+L(2,2))/n;
Dscores=[DO DC];
Kscores=[KO KC KT];
end
function [Dscores, Kscores ] = getDKscores(L)
n=sum(sum(L));
o1=L(1,1)/(1+L(1,1)+L(2,1)+L(3,1));
o2=L(1,2)/(1+L(1,2)+L(2,2)+L(3,2));
o3=L(1,3)/(1+L(1,3)+L(2,3)+L(3,3));
DO=o1+0.5*o2-o3;
c1=L(1,1)/(1+L(1,1)+L(1,2)+L(1,3));
c2=L(2,1)/(1+L(2,1)+L(2,2)+L(2,3));
c3=L(3,1)/(1+L(3,1)+L(3,2)+L(3,3));
DC=c1+0.5*c2-c3;
ko1=(L(1,1)+L(2,1)+L(3,1))/n;
ko2=(L(1,2)+L(2,2)+L(3,2))/n;
ko3=(L(1,3)+L(2,3)+L(3,3))/n;
KO=ko1+0.5*ko2-ko3;
kc1=(L(1,1)+L(1,2)+L(1,3))/n;
kc2=(L(2,1)+L(2,2)+L(2,3))/n;
kc3=(L(3,1)+L(3,2)+L(3,3))/n;
KC=kc1+0.5*kc2-kc3;
KT=(L(1,1)+L(1,2)+L(2,1)+L(2,2))/n;
Dscores=[DO DC];
Kscores=[KO KC KT];
end
部分理论来源于网络,如有侵权请联系删除。
[1]Anupam Biswas (2022) Prasatul Matrix and scores for direct comparison of Evolutionary Optimization algorithms