·240· 智能系统学报 第13卷 仿真平台，操作系统：win7旗舰版(64b):CPU: 优成功率（当寻优值达到设置精度时，视作寻优成 Intel(R)Core(TM)i5-4590;主频：3.30GHz;RAM: 功)。因3种改进算法效果均优于基本ALO算法 4.00GB;编程工具：MATLAB2016b。选择3种算 (结果见图3)，考虑到表格篇幅，只给出3种改进算 法(ALO、MALO、CIALO)和LEALO算法进行对 法的测试结果，如表2所示。 比，测试100次，分别统计历代最优解、平均解和寻 100 ALO 10 ALO MALO MALO ---CIALO 10 --CIALO 105 -LEALO --LEALO 10 100 10-2 10 10- 10-1 012 3 456 7 8 910X1010 012 34567891010 迭代次数 迭代次数 (a)Sphere函数(30维) (b)Schwegeli函数(10维) 105 ALO A0) 102 MALO .....MALO --CIALO --CIALO 109 -LEALO -LEALO 10 10 100 10 105 106 10-2 0 1 2 3 456 789 101010 0 1 2 3 456 789i010 迭代次数 迭代次数 (c)Eggcrate函数(2维) (d)Salomon函数(10维) 103 109 MALO IALO 10 10 10 10° 10 10 100 10 103 0 1015.2025 301010- 0 5 1015.20 25 30*10 迭代次数 迭代次数 (e)Griewank函数(10维) (①Ackley函数(10维) 图3对数坐标下3种算法的寻优收敛曲线 Fig.3 Convergence curves of the three algorithms under logarithmic coordinates 表2 LEALO、CIALO、MALO3种改进优化算法的测试结果对比 Table 2 Test results comparison of LEALO.CIALO and MALO 算法函数 历代最优解 平均最优解 寻优成功率% LEALO CIALO MALO LEALO CIALO MALO LEALO CIALO MALO 1.8663×10m 6.6252×1052.0813×105.8852×10101.0138×103 5.1213×10 9 0 0 f 5.4539×108 1.1553×105 1.1408×10 1.6970x1052.6015×10 6.1705×10 60 0 0 3.3812×10204.4578x10146.1525×10141.3790x1091.3282x10136.4946×1013 100 20 0 fa 3.3448×10 0.1999 0.1999 6.2151×108 0.1999 0.2599 100 0 0 4.7743×1096.0022×109 0.0763 0.0093 0.0172 0.0710 80 60 0 f后 4.4409x105 1.1363x1031.4283×103 5.1514x1051.7240x1032.0115×10 100 0 0仿真平台，操作系统：win7 旗舰版 (64 b)；CPU： Intel(R)Core(TM)i5-4590；主频：3.30 GHz；RAM： 4.00 GB；编程工具：MATLAB2016b。选择 3 种算 法 (ALO、MALO、CIALO) 和 LEALO 算法进行对 比，测试 100 次，分别统计历代最优解、平均解和寻 优成功率 (当寻优值达到设置精度时，视作寻优成 功)。因 3 种改进算法效果均优于基本 ALO 算法 (结果见图 3)，考虑到表格篇幅，只给出 3 种改进算 法的测试结果，如表 2 所示。 表 2 LEALO、CIALO、MALO 3 种改进优化算法的测试结果对比 Table 2 Test results comparison of LEALO、CIALO and MALO 算法函数 历代最优解 平均最优解 寻优成功率/% LEALO CIALO MALO LEALO CIALO MALO LEALO CIALO MALO f1 1.866 3×10–11 6.625 2×10–6 2.081 3×10–6 5.885 2×10–10 1.013 8×10–5 5.121 3×10–6 80 0 0 f2 5.453 9×10–8 1.155 3×10–5 1.140 8×10–5 1.697 0×10–5 2.601 5×10–5 6.170 5×10–5 60 0 0 f3 3.381 2×10–20 4.457 8×10–14 6.152 5×10–14 1.379 0×10–19 1.328 2×10–13 6.494 6×10–13 100 20 0 f4 3.344 8×10–8 0.199 9 0.199 9 6.215 1×10–8 0.199 9 0.259 9 100 0 0 f5 4.774 3×10–9 6.002 2×10–9 0.076 3 0.009 3 0.017 2 0.071 0 80 60 0 f6 4.440 9×10–15 1.136 3×10–5 1.428 3×10–5 5.151 4×10–15 1.724 0×10–5 2.011 5×10–5 100 0 0 0 1 2 3 4 5 6 7 8 9 10 䔙Џ⁍᪜ 10−10 10−5 100 105 䔮Ꮐը ALO MALO CIALO LEALO ALO MALO CIALO LEALO ALO MALO CIALO LEALO ALO MALO CIALO LEALO ALO MALO CIALO LEALO ALO MALO CIALO LEALO 䔙Џ⁍᪜ 10−6 10−4 10−2 100 102 䔮Ꮐը 䔙Џ⁍᪜ 10−20 10−15 10−10 10−5 100 105 䔮Ꮐը 䔙Џ⁍᪜ 10−8 10−6 10−4 10−2 100 102 䔮Ꮐը 0 10 20 30 䔙Џ⁍᪜ 10−3 10−2 10−1 100 101 102 103 䔮Ꮐը 䔙Џ⁍᪜ 10−15 10−10 10−5 100 105 䔮Ꮐը 5 15 25 (a) Sphereܩ)᪜30㐠) (b) Schwegelܩ)᪜10㐠) (c) Eggcrateܩ)᪜2㐠) (d) Salomonܩ)᪜10㐠) (e) Griewankܩ)᪜10㐠) (f) Ackleyܩ)᪜10㐠) ×102 0 1 2 3 4 5 6 7 8 9 10×102 0 1 2 3 4 5 6 7 8 9 10×102 0 1 2 3 4 5 6 7 8 9 10×102 ×102 0 10 20 30 5 15 25 ×102 图 3 对数坐标下 3 种算法的寻优收敛曲线 Fig. 3 Convergence curves of the three algorithms under logarithmic coordinates ·240· 智 能 系 统 学 报 第 13 卷