Research Article
Dynamic Multi-Swarm Differential Learning Quantum Bird Swarm Algorithm and Its Application in Random Forest Classification Model
Table 5
Comparison on nine unimodal functions with hybrid algorithms (Dim = 2).
| Function | Term | BSA | DE | DMSDL-PSO | DMSDL-BSA | DMSDL-QBSA |
| | Max | 1.8411E + 02 | 3.4713E + 02 | 2.9347E + 02 | 1.6918E + 02 | 1.6789E + 00 | Min | 0 | 5.7879E − 01 | 0 | 0 | 3.2988E − 238 | Mean | 5.5890E − 02 | 1.1150E + 00 | 1.6095E − 01 | 3.6580E − 02 | 4.2590E − 03 | Var | 2.6628E + 00 | 5.7218E + 00 | 5.4561E + 00 | 2.0867E + 00 | 7.5858E − 02 |
| | Max | 2.2980E + 00 | 2.1935E + 00 | 3.2363E + 00 | 3.1492E + 00 | 1.1020E + 00 | Min | 5.5923E − 266 | 8.2690E − 02 | 2.9096E − 242 | 3.4367E − 241 | 0 | Mean | 9.2769E − 04 | 9.3960E − 02 | 7.4900E − 03 | 1.2045E − 03 | 2.1565E − 04 | Var | 3.3310E − 02 | 6.9080E − 02 | 4.0100E − 02 | 4.2190E − 02 | 1.3130E − 02 |
| | Max | 1.0647E + 02 | 1.3245E + 02 | 3.6203E + 02 | 2.3793E + 02 | 1.3089E + 02 | Min | 0 | 5.9950E − 01 | 0 | 0 | 0 | Mean | 2.3040E − 02 | 8.5959E − 01 | 2.5020E − 01 | 6.3560E − 02 | 1.7170E − 02 | Var | 1.2892E + 00 | 2.8747E + 00 | 7.5569E + 00 | 2.9203E + 00 | 1.3518E + 00 |
| | Max | 1.7097E + 02 | 6.1375E + 01 | 6.8210E + 01 | 5.9141E + 01 | 1.4726E + 01 | Min | 1.6325E − 21 | 4.0940E − 02 | 8.2726E − 13 | 3.4830E − 25 | 0 | Mean | 2.2480E − 02 | 9.3940E − 02 | 1.5730E − 02 | 1.1020E − 02 | 1.4308E − 02 | Var | 1.7987E + 00 | 7.4859E − 01 | 7.6015E − 01 | 6.4984E − 01 | 2.7598E − 01 |
| | Max | 1.5719E + 02 | 2.2513E + 02 | 3.3938E + 02 | 1.8946E + 02 | 8.7078E + 01 | Min | 0 | 7.0367E − 01 | 0 | 0 | 0 | Mean | 3.4380E − 02 | 1.8850E + 00 | 1.7082E − 01 | 5.0090E − 02 | 1.1880E − 02 | Var | 1.9018E + 00 | 5.6163E + 00 | 5.9868E + 00 | 2.4994E + 00 | 9.1749E − 01 |
| | Max | 1.5887E − 01 | 1.5649E − 01 | 1.5919E − 01 | 1.3461E − 01 | 1.0139E − 01 | Min | 2.5412E − 05 | 4.5060E − 04 | 5.9140E − 05 | 4.1588E − 05 | 7.3524E − 06 | Mean | 2.3437E − 04 | 1.3328E − 03 | 6.0989E − 04 | 2.3462E − 04 | 9.2394E − 05 | Var | 2.4301E − 03 | 3.6700E − 03 | 3.5200E − 03 | 1.9117E − 03 | 1.4664E − 03 |
| | Max | 3.5804E + 00 | 2.8236E + 00 | 1.7372E + 00 | 2.7513E + 00 | 1.9411E + 00 | Min | 0 | 7.6633E − 03 | 0 | 0 | 0 | Mean | 8.5474E − 04 | 1.6590E − 02 | 8.6701E − 04 | 7.6781E − 04 | 3.1439E − 04 | Var | 4.4630E − 02 | 6.0390E − 02 | 2.4090E − 02 | 3.7520E − 02 | 2.2333E − 02 |
| | Max | 4.3247E + 00 | 2.1924E + 00 | 5.3555E + 00 | 3.3944E + 00 | 5.5079E − 01 | Min | 0 | 8.6132E − 03 | 0 | 0 | 0 | Mean | 1.1649E − 03 | 1.9330E − 02 | 1.7145E − 03 | 7.3418E − 04 | 6.9138E − 05 | Var | 5.9280E − 02 | 4.7800E − 02 | 7.5810E − 02 | 4.1414E − 02 | 5.7489E − 03 |
| | Max | 2.7030E − 02 | 3.5200E − 02 | 1.7240E − 02 | 4.0480E − 02 | 2.5230E − 02 | Min | 0 | 5.0732E − 03 | 0 | 0 | 0 | Mean | 6.1701E − 05 | 6.2500E − 03 | 8.8947E − 04 | 8.4870E − 05 | 2.7362E − 05 | Var | 7.6990E − 04 | 1.3062E − 03 | 2.0400E − 03 | 9.6160E − 04 | 5.5610E − 04 |
|
|