SHADE和SaDE跑CEC2017测试集

SHADE和SaDE跑CEC2017测试集对比图,并分别连续运行30次并且输出最优值,最差值,平均值,标准差

基于成功历史的参数自适应差分进化算法(SHADE)是经典的差分进化变体,该论文发表于2013年,性能非常有参考价值,可用于和其他算法进行对比试验,该算法尤其是在CEC测试集上有着优秀的表现,将此算法用作对比算法,可以极大增强试验的说服力。提升论文被录用的概率。参考文献:Ryoji Tanabe and Alex Fukunaga. Success-history based parameter adaptation for differential evolution. In 2013 IEEE Congress on Evolutionary Computation, pages 71–78, 2013.

(SaDE)算法是差分进化的一个变种,其主要特点是引入了自适应机制来动态调整算法参数(例如变异和交叉概率)。SaDE尝试通过自适应地调整这些参数来提高算法的性能,以更好地适应不同类型的优化问题。SaDE通过考虑个体之间的交互和适应性来改进解的质量,从而提高了差分进化算法的鲁棒性和全局搜索能力。参考文献:Self-adaptive Differential Evolution Algorithm for Numerical Optimization

部分实验结果如下:

SHADE和SaDE跑CEC2017测试集_第1张图片

SHADE和SaDE跑CEC2017测试集_第2张图片

SHADE和SaDE跑CEC2017测试集_第3张图片

SHADE和SaDE跑CEC2017测试集_第4张图片

SHADE和SaDE跑CEC2017测试集_第5张图片

你可能感兴趣的:(算法改进,优化算法,差分进化算法改进,差分进化算法)