To testthe performance ofthe propos

To testthe performance ofthe proposed algorithm, we do experiments on 10 benchmark functions. These test functions, which are shown in Table 1, can be classified into two groups. The first five functions f1–f5 are unimodalfunctions. For unimodalfunctions, the convergence rate of an algorithm is more interesting than the final result of optimization. Therefore, we not only give the final achievement but also show the convergence rate of each algorithm. The next five functions f6–f10 are multimodal functions with many local optima. For multimodal functions, we only give the final result
since it reflects an algorithm’s ability of escaping from poor local optima. The functions are used to test the global search ability of the algorithm in avoiding premature convergence. In this paper, all empirical experiments related to the PSO and
its improvements are carried out with a same population size. Furthermore, in order to ensure that the initial values of particles in each algorithm are same, we use the MATLAB command rand(state, sum(i30)). The initial value of i of each run for all algorithms is the same. Parameter s is the interval of the adjacent two inertia weight change in all iterations. The parameters of the BPSO are used as follow.

ผลลัพธ์ (ไทย) 1:

เพื่อประสิทธิภาพของ testthe ของอัลกอริทึมเสนอ เราทำการทดลองบนฟังก์ชันมาตรฐาน 10 ฟังก์ชันเหล่านี้ทดสอบ ซึ่งแสดงในตารางที่ 1 สามารถแบ่งได้ 2 กลุ่ม แรก 5 ฟังก์ชัน f1 – f5 จะ unimodalfunctions สำหรับ unimodalfunctions อัตราการลู่เข้าของอัลกอริทึมได้น่าสนใจมากขึ้นกว่าผลสุดท้ายของ ดังนั้น เราไม่เพียงให้ความสำเร็จในขั้นสุดท้าย ได้แสดงอัตราการลู่เข้าของแต่ละอัลกอริทึม F6 – f10 ห้าถัดไปฟังก์ชันทุกฟังก์ชัน มีพติหลายท้องถิ่นได้ สำหรับทุกฟังก์ชัน เราเพียงแต่ให้ผลสุดท้ายเนื่องจากมันสะท้อนให้เห็นถึงอัลกอริทึมสามารถหลบหนีจากพติดีท้องถิ่น ฟังก์ชันจะใช้ในการทดสอบความสามารถในการค้นหาทั้งหมดของอัลกอริทึมบรรจบกันก่อนวัยอันควรหลีกเลี่ยง ในเอกสารนี้ การทดลองรวมทั้งหมดที่เกี่ยวข้องกับ PSO และการปรับปรุงจะดำเนิน ด้วยขนาดประชากรเดียวกัน นอกจากนี้ เพื่อให้แน่ใจว่า ค่าเริ่มต้นของอนุภาคในแต่ละอัลกอริทึมเดียวกัน เราใช้แรนด์คำสั่ง MATLAB (รัฐ sum(i30)) ค่าเริ่มต้นของผมในแต่ละรันสำหรับอัลกอริทึมทั้งหมดจะเหมือนกัน พารามิเตอร์ s เป็นช่วงของการเปลี่ยนแปลงน้ำหนักความเฉื่อยสองอยู่ติดกันในแผนทั้งหมด พารามิเตอร์ของ BPSO ที่ใช้ดังต่อไปนี้

ผลลัพธ์ (ไทย) 2:

เพื่อประสิทธิภาพการทำงานของอัลกอริทึม ofthe เสนอ testthe เราทำการทดลองเมื่อวันที่ 10 ฟังก์ชั่นมาตรฐาน เหล่านี้ฟังก์ชั่นการทดสอบซึ่งจะแสดงในตารางที่ 1 สามารถแบ่งได้เป็นสองกลุ่ม ห้าครั้งแรกฟังก์ชั่น F1-F5 เป็น unimodalfunctions สำหรับ unimodalfunctions อัตราการบรรจบกันของขั้นตอนวิธีการที่น่าสนใจมากขึ้นกว่าผลสุดท้ายของการเพิ่มประสิทธิภาพ ดังนั้นเราจึงไม่เพียง แต่ให้ความสำเร็จขั้นสุดท้าย แต่ยังแสดงอัตราการบรรจบกันของแต่ละขั้นตอนวิธี ฟังก์ชั่นต่อไปอีกห้า F6-f10 มีฟังก์ชั่นต่อเนื่องกับที่ดีที่สุดในท้องถิ่นจำนวนมาก สำหรับฟังก์ชั่นต่อเนื่องเราเพียง แต่ให้ผลสุดท้าย
เพราะมันสะท้อนให้เห็นถึงความสามารถของอัลกอริทึมของหนีออกจากที่ดีที่สุดในประเทศที่ยากจน ฟังก์ชั่นที่ใช้ในการทดสอบความสามารถในการค้นหาทั่วโลกของขั้นตอนวิธีในการหลีกเลี่ยงการบรรจบกันก่อนวัยอันควร ในงานวิจัยนี้ทดลองเชิงประจักษ์ทั้งหมดที่เกี่ยวข้องกับ PSO และ
การปรับปรุงจะมีการดำเนินการที่มีขนาดประชากรเดียวกัน นอกจากนี้ในการสั่งซื้อเพื่อให้แน่ใจว่าค่าเริ่มต้นของอนุภาคในแต่ละขั้นตอนวิธีการเหมือนกันเราจะใช้คำสั่ง MATLAB แรนด์ (รัฐรวม (i30)) ค่าเริ่มต้นของฉันของการทำงานในแต่ละขั้นตอนวิธีทั้งหมดจะเหมือนกัน พารามิเตอร์คือช่วงเวลาที่อยู่ติดกันสองแรงเฉื่อยการเปลี่ยนแปลงน้ำหนักในการทำซ้ำทั้งหมด พารามิเตอร์ของ BPSO จะใช้ดังนี้

ผลลัพธ์ (ไทย) 3:

ทดสอบสมรรถนะของวิธีที่เสนอ เราทดลอง กับ 10 ฟังก์ชันมาตรฐาน . ฟังก์ชั่นการทดสอบเหล่านี้ซึ่งจะแสดงในตารางที่ 1 สามารถแบ่งออกเป็นสองกลุ่ม ห้าครั้งแรกฟังก์ชัน f1 ( F5 จะ unimodalfunctions . สำหรับ unimodalfunctions , อัตราการลู่เข้าของขั้นตอนวิธีเป็นน่าสนใจมากขึ้นกว่าผลลัพธ์สุดท้ายของการเพิ่มประสิทธิภาพ ดังนั้นเราไม่เพียงให้สัมฤทธิผลขั้นสุดท้าย แต่ยังแสดงอัตราการลู่เข้าของแต่ละขั้นตอนวิธี 5 ) มีฟังก์ชันหลายฟังก์ชัน F6 F10 กับ Optima ท้องถิ่นมากมาย สำหรับการทำงานหลาย เราเพียง แต่ให้
สุดท้ายตั้งแต่มันสะท้อนให้เห็นถึงความสามารถของขั้นตอนวิธีของการหลบหนีจาก Optima ท้องถิ่นไม่ดีฟังก์ชันที่ใช้เพื่อทดสอบความสามารถของขั้นตอนวิธีการค้นหาทั่วโลกในการหลีกเลี่ยงการบรรจบกันก่อน . ในกระดาษนี้ ผลการทดลองที่เกี่ยวข้องกับการปรับปรุงระบบและ
จะดําเนินการด้วยขนาดประชากรเดียวกัน นอกจากนี้ เพื่อให้มั่นใจว่าค่าเริ่มต้นของอนุภาคในแต่ละขั้นตอนจะเหมือนกัน เราใช้โปรแกรมคำสั่งแรนด์ ( รัฐผลรวม ( I30 )ค่าเริ่มต้นของฉันของแต่ละรันทุกขั้นตอนวิธีการเดียวกันคือ พารามิเตอร์ คือช่วงของที่อยู่ติดกันสองความเฉื่อยเปลี่ยนแปลงน้ำหนักในการทำซ้ำ . พารามิเตอร์ของ bpso
ใช้ดังนี้