Page 134 - 《软件学报》2021年第11期
P. 134

3460                               Journal of Software  软件学报 Vol.32, No.11, November 2021

                                     Table 3    Algorithms performance on the benchmark functions
                                               表 3   算法在基准函数上的表现
                                      函数      算法         Mean        StD      Time  (s)
                                              NBAS      4.214 8     3.740 1   0.017 4
                                              BAS       8.332 7     6.231 9   0.004 2
                                              BBAS      7.850 0     3.199 9   0.013 3
                                       f 1
                                               GA       23.789 3   16.532 9   0.564 0
                                              PSO       0.002 5     0.003 6   0.018 0
                                              GOA       0.485 9     2.172 7   5.948 3
                                              NBAS      0.099 6     0.120 0   0.016 3
                                              BAS       0.339 8     0.200 3   0.006 0
                                              BBAS      1.812 7     1.385 0   0.012 4
                                       f 2
                                               GA       0.698 4     0.666 1   0.544 6
                                              PSO       0.003 1     0.002 6   0.025 9
                                              GOA       0.144 8     0.165 1   5.799 1
                                              NBAS    −1.6895e+03   184.035 2   0.024 8
                                              BAS     −1.1914e+03   283.454 6   0.005 6
                                              BBAS    −1.4338e+03   137.382 2   0.021 9
                                       f 3
                                               GA     −1.2763e+03   409.475 1   0.883 9
                                              PSO     −1.2564e+03   205.450 0   0.023 9
                                              GOA     −1.5911e+03   208.304 1   6.433 5
                                              NBAS      3.645 8     2.883 1   0.014 5
                                              BAS       34.659 5   12.897 7   0.004 7
                                              BBAS      5.350 0     3.248 9   0.013 0
                                       f 4
                                               GA       57.287 6    0.233 9   0.541 7
                                              PSO       3.686 4     2.564 2   0.018 0
                                              GOA       17.063 5    8.524 0   6.214 1
                                              NBAS      0.285 0     0.197 1   0.027 5
                                              BAS       0.686 3     0.409 4   0.008 3
                                              BBAS      32.960 4   16.082 4   0.022 9
                                       f 5
                                               GA       26.336 5   14.603 1   0.949 8
                                              PSO       0.565 1     0.665 2   0.025 6
                                              GOA       0.133 2     0.086 2   6.438 4
                    首先对 NBAS、BAS 和 BBAS 这 3 种算法进行分析.由表 3 可以看出:
                    •   对于单峰函数 f 1 和 f 2 ,BAS 在 f 2 上的函数均值和标准差均小于 BBAS.这说明 BAS 在单峰函数寻优精
                        度和稳定性方面有一定的优势.但在 f 1 上的结果要差于 BBAS,这可能是由于 BAS 在迭代后期步长过
                        小而无法进一步得到更精确的值;而 BBAS 一直在随机跳跃,有机会接触到更优秀的解.
                    •   对于多峰函数,可以看到:BAS 除了在函数 f 5 上的结果优于 BBAS,在多峰函数 f 3 和 f 4 上,BAS 由于陷入
                        了不同的局部最优值而在函数均值和标准差方面均差于 BBAS;而 BBAS 依靠其后期的随机跳跃性跳
                        出局部最优,得到了更优秀的解.这说明 BBAS 有较强的全局探测能力,有机会跳出当前局部最优位置.
                    注意到,将 BBAS 与 BAS 结合得到的 NBAS 算法在函数均值和标准差方面总体上均优于 BAS 和 BBAS
                 算法.这说明 BBAS 算法作为辅助性算法为 BAS 提供了较好的全局探测能力,使 BAS 算法在全局探索能力、收
                 敛精度以及收敛稳定性方面均得到了提升.同时,BBAS 的平均时间较短,这从侧面反映出 BBAS 作为 NBAS 算
                 法的辅助性工具并不会增加太大耗时.
                    因此,BBAS 算法在解决传统 BAS 算法易陷入局部收敛的问题上是有效的.
                    其次,通过上述实验结果可以看出,PSO 和 GOA 算法在单峰函数上的寻优结果精度较高,NBAS 次之,BAS
                 和 GA 最差,说明 NBAS 较 BAS 在精度上有所提升,且 NBAS 的标准差也较 BAS 小.这说明 NBAS 在寻优精度
                 和稳定性方面均有所提升.对于多峰函数 f 3 和 f 4 ,NBAS 相对于其他算法在函数平均值方面均具有优势,且 NBAS
                 在函数 f 5 上的表现仅次于 GOA,相差不大;且总体上来看,标准差也最小,说明 NBAS 算法具有较好的跳出局部
                 最优的能力且能以较好的精度稳定地收敛到最优值.我们通过对其他更为复杂的多峰函数进行实验,发现:由于
                 寻优个体的单一,NBAS 在这些复杂函数上的效果相对于 PSO 和 GOA 并不具有太大优势.但正如以下实验结
                 果,其计算量少和寻优精度的一定提升并不影响其在某些方面的应用.
   129   130   131   132   133   134   135   136   137   138   139