25、蜜蜂搜索算法的实验结果与性能分析

蜜蜂搜索算法的实验结果与性能分析

1. 算法调优实验概述

为了选择蜜蜂搜索算法中最佳的遗传算子组合，我们进行了一系列实验。实验使用Evovision立体图像对来调整算法，这些图像由Pulnix数字相机TM - 9701d和C - mount Fujinon镜头HF16A - 2M1（焦距f = 16 mm）拍摄。实验从算法的探索和收获阶段，以及变异、交叉和共享算子等方面进行比较。

1.1 共享函数与适应度计算

共享函数定义如下：
[
Sh(d_{i,j}) =
\begin{cases}
1 - \frac{d(i,j)}{\sigma_{share}}, & \text{if } d_{i,j} \leq \sigma_{share} \
0, & \text{otherwise}
\end{cases}
]
其中，(d(i,j)) 是个体 (i) 和 (j) 之间的距离，(\sigma_{share}) 是控制共享比例的阈值。通过对每个个体应用上述函数，可得到生态位计数 (n_i = \sum_{j = 1}^{N} Sh(d_{i,j}))，然后计算共享适应度函数 (fitness’_i = \frac{fitness_i}{n_i})。

2. 变异算子测试

2.1 实验设置

进行了多项式变异和正态变异的实验，每个实验独立运行10次，探索阶段为150代，收获阶段为75代。表1展示了实验中使用的参数。
|参数|多项式变异|正态变异|
| ---- | ---- | ---- |
|