NUMERICAL EXPERIMENTS4.1 Test Funct

NUMERICAL EXPERIMENTS

4.1 Test Function Set
MultiEA is examined using the 25 functions in CEC 2005 test
suite. The dimension D of all test functions is chosen to be 30.
The maximum number of function evaluations is set to 10,000D =
300,000. The performance of an algorithm is measured by
statistics from 25 independent runs.

4.2 Test Algorithm Set
To evaluate the performance of MultiEA, we compare its
performance with three multi-algorithms: AMALGAM-SO, PAP
and RandEA. The first two algorithms has been described in
Section 2.1.
RandEA means randomly chosen EA: Given the number of
evaluations N, if we have no knowledge about which algorithm is
the best, it is reasonable to randomly select an algorithm and run it
for N evaluations. This algorithm is referred as RandEA. Its
performance is defined as the average performance of the q
algorithms. It serves as a baseline algorithm to test whether there
is a positive synergy in MultiEA.
As said in Section 1, ABC, CMA-ES, CoDE, PSO2011 and SaDE
are chosen as component algorithms for MultiEA, AMALGAMSO, PAP, and RandEA.
All algorithms are implemented in Matlab. All the experiments
are conducted on a PC with 2.67GHz 4-core CPU and 3 GB of
memory.
4.3 Results
The detailed results (mean and standard deviation) are presented
in Tables 1-3 in Appendix. To illustrate the significance of the
results, the p-value for Mann-Whitney U test (rank-sum test)
comparing the averaged best function error values of MultiEA
with each of the other algorithms are listed. In the tables, a pvalue less than 0.05 (α=0.05) corresponds to significance in the
comparison result. Values shown in bold means that the
associated algorithm is significantly outperformed by MultiEA;
while underlined values mean that MultiEA is significantly
outperformed by the other algorithm. If the mean and/or the
standard deviation returns “0.00E+00”, it simply means that the
value is smaller than the smallest precision of floating point
number of Matlab.

ผลลัพธ์ (ไทย) 1:

การทดลองเชิงตัวเลข

4.1 ชุดฟังก์ชั่นการทดสอบ
multiea จะตรวจสอบการใช้ฟังก์ชั่นใน 25 CEC 2005
ชุดทดสอบ d มิติของทุกฟังก์ชั่นการทดสอบได้รับการคัดเลือกให้เป็น 30
จำนวนสูงสุดของการประเมินผลการทำงานจะถูกกำหนดเป็น 10,000 d =
300000 ประสิทธิภาพการทำงานของอัลกอริทึมวัดจากสถิติตั้งแต่วันที่ 25
วิ่งอิสระ.

4.2 ชุดทดสอบอัลกอริทึม
ในการประเมินประสิทธิภาพการทำงานของ multiea,เราเปรียบเทียบผลการดำเนินงาน
ด้วยสามขั้นตอนวิธีการหลาย: รวมกันเพื่อ, PAP
และ randea สองคนแรกที่อัลกอริทึมที่ได้รับการอธิบายไว้ในส่วน
2.1
randea หมายถึงการสุ่มเลือก EA: ได้รับหมายเลขของการประเมินผลการ
n ถ้าเราไม่มีความรู้เกี่ยวกับการที่อัลกอริทึมที่ดีที่สุดคือ
มันมีเหตุผลที่จะสุ่มเลือกอัลกอริทึมและเรียกใช้สำหรับการประเมินผลการ
n ขั้นตอนวิธีนี้จะเรียกว่าเป็น randeaประสิทธิภาพการทำงาน
ที่ถูกกำหนดให้เป็นผลการดำเนินงานเฉลี่ยของอัลกอริทึม Q
จะทำหน้าที่เป็นอัลกอริทึมพื้นฐานเพื่อทดสอบว่ามี
คือการทำงานร่วมกันในเชิงบวกใน multiea
เป็นกล่าวว่าในส่วน 1, abc, CMA-ซาลาม, รหัส pso2011 และ Sade
ได้รับการแต่งตั้งเป็นอัลกอริทึมส่วนประกอบสำหรับ multiea, amalgamso, PAP และ randea อัลกอริทึม
ทั้งหมดจะถูกนำมาใช้ใน MATLAB การทดสอบทั้งหมด
จะดำเนินการบนคอมพิวเตอร์ที่มี 2ซีพียู 67ghz 4-core และ 3 GB หน่วยความจำ


4.3 ผลผลรายละเอียด (ค่าเบี่ยงเบนมาตรฐาน) ถูกแสดงไว้ในตาราง
1-3 ในภาคผนวก เพื่อแสดงให้เห็นความสำคัญของผลการ
, p-value สำหรับ mann-U ทดสอบวิทนีย์ (ทดสอบยศวิธี sum-)
เปรียบเทียบค่าเฉลี่ยที่ดีที่สุดของการทำงานผิดพลาด
multiea กับแต่ละขั้นตอนวิธีการอื่น ๆ มีการระบุไว้ ในตาราง, pvalue น้อยกว่า 0.05 (α = 005) สอดคล้องกับความสำคัญในผลการเปรียบเทียบ
ค่าที่แสดงในตัวหนาหมายถึงที่
อัลกอริทึมเกี่ยวข้องจะทำได้ดีกว่าอย่างมีนัยสำคัญโดย multiea;
ในขณะที่ค่าที่ขีดเส้นใต้หมายความว่า multiea อย่างมีนัยสำคัญ
เฮงโดยอัลกอริทึมอื่น ๆ ถ้าหมายถึงและ / หรือ
ส่วนเบี่ยงเบนมาตรฐานผลตอบแทน "00 0.00E" มันก็หมายความว่า
ค่ามีขนาดเล็กกว่าความแม่นยำที่เล็กที่สุดของจุดลอย
จำนวน MATLAB.

ผลลัพธ์ (ไทย) 2:

ทดลองแทน

4.1 ทดสอบฟังก์ชันตั้ง
MultiEA จะตรวจสอบโดยใช้ฟังก์ชัน 25 ในปี 2005 พบกับ CEC ทดสอบ
ท มิติ D ทั้งหมดทดสอบฟังก์ชันเลือกได้ 30
จำนวนประเมินฟังก์ชันถูกกำหนดเป็น 10000 D =
300,000 ประสิทธิภาพการทำงานของอัลกอริทึมถูกวัดโดย
สถิติจาก 25 อิสระทำ

4.2 อัลกอริทึมการทดสอบตั้ง
เพื่อประเมินประสิทธิภาพของ MultiEA เราเปรียบเทียบของ
ประสิทธิภาพกับอัลกอริทึมหลายสาม: AMALGAM-อื่น ๆ บ
และ RandEA อัลกอริทึม 2 ได้ถูกอธิบายไว้ใน
2.1 ส่วน
RandEA วิธีสุ่มเลือก EA: กำหนดจำนวน
ประเมิน N ถ้าเรามีความรู้เกี่ยวกับอัลกอริทึมที่เป็น
ส่วน จึงเหมาะสมที่จะสุ่มเลือกอัลกอริทึมการ และเรียกใช้
สำหรับประเมิน N อัลกอริทึมนี้จะเรียกว่าเป็น RandEA ของ
ประสิทธิภาพถูกกำหนดเป็นค่าเฉลี่ยประสิทธิภาพการทำงานของคิว
อัลกอริทึมการ เป็นอัลกอริทึมพื้นฐานเพื่อทดสอบว่ามี
เป็น synergy บวกใน MultiEA
เป็นกล่าวว่า ในส่วน 1, ABC, CMA ES รหัส PSO2011 และชา
เลือกเป็นส่วนประกอบอัลกอริทึมสำหรับ MultiEA, AMALGAMSO บ และ RandEA
มีใช้อัลกอริทึมทั้งหมดใน Matlab ทดลองทั้งหมด
ดำเนินบนพีซีด้วย 267GHz CPU 4 แกนและ 3 GB
จำ
4.3 ผล
แสดงผลลัพธ์โดยละเอียด (ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน)
ในตาราง 1-3 ในภาคผนวก เพื่อแสดงให้เห็นถึงความสำคัญของการ
ผล ค่า p U มานน์วิทนีย์ทดสอบ (การทดสอบผลรวมอันดับ)
เปรียบเทียบเฉลี่ยสุดฟังก์ชันค่าความผิดพลาดของ MultiEA
ด้วยอัลกอริทึมอื่น ๆ อยู่ ในตาราง การ pvalue น้อยกว่า 0.05 (α = 005) สอดคล้องกับความสำคัญในการ
ผลเปรียบเทียบ ค่าที่แสดงเป็นตัวหนาหมายความ ว่า การ
อัลกอริทึมที่สัมพันธ์อย่างมีนัยสำคัญคือ outperformed โดย MultiEA
ในขณะที่ค่าที่ขีดเส้นใต้หมายความ ว่า MultiEA เป็นอย่างมาก
outperformed โดยอัลกอริทึมอื่น ๆ ถ้าค่าเฉลี่ย หรือการ
ส่งกลับส่วนเบี่ยงเบนมาตรฐาน " 0.00E 00 " ก็หมาย ที่จะ
ค่ามีขนาดเล็กกว่าความแม่นยำน้อยที่สุดของจำนวนจุดลอยตัว
จำนวน Matlab

ผลลัพธ์ (ไทย) 3:

การทดลองเป็น ตัวเลข

4.1 การทดสอบฟังก์ชั่น multiea ตั้งค่า
คือตรวจสอบการใช้ 25 หน้าที่ใน CEC 2005 การทดสอบ
แบบครบวงจร D มิติของการทำงานการทดสอบทั้งหมดได้รับเลือกให้เป็น 30
จำนวนสูงสุดของการทดสอบใช้งานฟังก์ชันตั้งค่าเป็น 10 , 000 D =
300 , 000 ประสิทธิภาพ การทำงานของอัลกอริธึมที่มีขนาดวัดได้
จากสถิติ 25 จะทำงานเป็นอิสระ.

4.2 การทดสอบอัลกอริธึมตั้งค่า
เพื่อประเมิน ประสิทธิภาพ ของ multieaเราเปรียบเทียบ
ประสิทธิภาพ การทำงานของที่พักพร้อมด้วยสามแบบมัลติ - อัลกอริธึมปรอทผสมกับโลหะอื่นดังนั้น PAP
และ randea อัลกอริธึมสองครั้งแรกที่ได้รับการระบุไว้ใน
หัวข้อ 2.1
randea หมายถึง EA สุ่มเลือกหมายเลขของ n
การทดสอบใช้งานหากเราไม่มีความรู้เกี่ยวกับเรื่องนี้ซึ่งอัลกอริธึมคือ
ที่ดีที่สุดมันมีเหตุผลที่จะสุ่มเลือกอัลกอริธึมและเรียกใช้
สำหรับการทดสอบใช้งาน n อัลกอริธึมนี้มีชื่อเรียกอีกอย่างหนึ่งว่าเป็น randea
ประสิทธิภาพ การทำงานก็กำหนดไว้เป็นการทำงานโดยเฉลี่ยของ Q
อัลกอริธึม จัดให้บริการเป็นอัลกอริธึมพื้นฐานในการทดสอบว่า
เป็นการทำงานร่วมกันในเชิงบวกใน multiea
ดังที่กล่าวในส่วนที่ 1 ABC CMA - เอสรหัส pso 2011 ตัวขยายและ sade
ได้รับการคัดเลือกเป็นอัลกอริธึมคอมโพเนนต์สำหรับ multiea amalgamso PAP และ randea อัลกอริธึม
ทั้งหมดมีการนำใน matlab การทดลองทั้งหมด
มีการดำเนินการด้วยเครื่องพีซีที่ใช้ 267 GHz , 4 - CPU Core ,และ 3 GB
หน่วยความจำ

4.3 ผลลัพธ์โดยละเอียดที่ผล(หมายถึงอะไรและการผูกกับการเบี่ยงเบน(แบบมาตรฐาน)จะถูกนำเสนอ
ในตาราง 1-3 1-3 1-3 ใน ภาคผนวก เพื่อแสดงให้เห็นถึงความสำคัญของ
ผลที่ P - ค่าสำหรับ mann-whitney U การทดสอบ(จากการทดสอบอันดับ - จำนวนเงิน)
ที่การเปรียบเทียบค่าเงินบาทเฉลี่ยอยู่ที่ดีที่สุดทำงานเกิดข้อผิดพลาดของ multiea
พร้อมด้วยอัลกอริธึมอื่นๆที่แต่ละคนจะแสดงอยู่ในรายการ ในตาราง pvalue ที่น้อยกว่า 0.05 (กล้อง= 005 )ตรงกับความสำคัญส่งผลให้
การเปรียบเทียบ ค่าที่แสดงในหมายถึงตัวหนาที่อัลกอริธึม
ที่เกี่ยวข้องอย่างมีนัยสำคัญโดย outperformed multiea
ในขณะที่ข้อความขีดเส้นใต้หมายความว่าค่า multiea
outperformed เป็นอย่างมากโดยอัลกอริธึมอื่นๆได้ หากการผูกกับการเบี่ยงเบน(แบบมาตรฐานหมายถึงอะไรและ/หรือที่
จะกลับมา" 0.00 E 00 "เป็นสัญลักษณ์
ว่าความคุ้มค่ามีขนาดเล็กกว่าความแม่นยำที่มีขนาดเล็กที่สุดของทศนิยม
จำนวน matlab .