19、多群体果蝇优化算法与异构机器人任务分配研究

多群体果蝇优化算法与异构机器人任务分配研究

多群体果蝇优化算法实验分析

1. 测试环境
   本次实验的操作系统为 MacOS 10.14.6，CPU 是英特尔酷睿 i5 四核 2.4GHz，运行内存 8G，编程语言采用 Python 3.7，编程软件为 Pycharm 2019.3。使用的标准数据集是 TSPLIB，它是旅行商问题（TSP）及相关问题的国际标准数据库，有多种不同规模的数据集，每个数据集都提供了标准最优解，方便研究人员验证算法的有效性。为更准确地测试算法性能，将算法重复运行 20 次。评估算法有效性的标准包括最优值、平均值、最差值、平均误差值和达到最优解的平均迭代次数。误差值计算公式如下：
   [Error(\%) = \frac{Average - StandardOptimumSolution}{StandardOptimumSolution} * 100\%]

以下是部分测试数据集的信息：
| TSPLIB 数据集 | 城市规模 | 标准最优解 |
| — | — | — |
| Berlin52 | 52 | 7542 |
| Pr76 | 76 | 108159 |
| Rat99 | 99 | 1211 |
| kroA100 | 100 | 21282 |
| Ch130 | 130 | 6110 |
| Ch150 | 150 | 6528 |
| kroA200 | 200 | 29368 |

2. 贪婪策略初始化的影响 <