Research Article
Dynamic Multi-Swarm Differential Learning Quantum Bird Swarm Algorithm and Its Application in Random Forest Classification Model
Table 6
Comparison on nine multimodal functions with hybrid algorithms (Dim = 10).
| Function | Term | BSA | DE | DMSDL-PSO | DMSDL-BSA | DMSDL-QBSA |
| | Max | 2.8498E + 03 | 2.8226E + 03 | 3.0564E + 03 | 2.7739E + 03 | 2.8795E + 03 | Min | 1.2553E + 02 | 1.8214E + 03 | 1.2922E + 03 | 1.6446E + 02 | 1.1634E + 03 | Mean | 2.5861E + 02 | 1.9229E + 03 | 1.3185E + 03 | 3.1119E + 02 | 1.2729E + 03 | Var | 2.4093E + 02 | 1.2066E + 02 | 1.2663E + 02 | 2.5060E + 02 | 1.2998E + 02 |
| | Max | 1.2550E + 02 | 1.0899E + 02 | 1.1806E + 02 | 1.1243E + 02 | 9.1376E + 01 | Min | 0 | 6.3502E + 01 | 1.0751E + 01 | 0 | 0 | Mean | 2.0417E − 01 | 6.7394E + 01 | 3.9864E + 01 | 1.3732E − 01 | 6.8060E − 02 | Var | 3.5886E + 00 | 5.8621E + 00 | 1.3570E + 01 | 3.0325E + 00 | 2.0567E + 00 |
| | Max | 2.0021E + 01 | 1.9910E + 01 | 1.9748E + 01 | 1.9254E + 01 | 1.8118E + 01 | Min | 8.8818E − 16 | 1.6575E + 01 | 7.1700E − 02 | 8.8818E − 16 | 8.8818E − 16 | Mean | 3.0500E − 02 | 1.7157E + 01 | 3.0367E + 00 | 3.8520E − 02 | 1.3420E − 02 | Var | 5.8820E − 01 | 5.2968E − 01 | 1.6585E + 00 | 6.4822E − 01 | 4.2888E − 01 |
| | Max | 1.0431E + 02 | 1.3266E + 02 | 1.5115E + 02 | 1.2017E + 02 | 6.1996E + 01 | Min | 0 | 4.5742E + 01 | 2.1198E − 01 | 0 | 0 | Mean | 6.1050E − 02 | 5.2056E + 01 | 3.0613E + 00 | 6.9340E − 02 | 2.9700E − 02 | Var | 1.8258E + 00 | 8.3141E + 00 | 1.5058E + 01 | 2.2452E + 00 | 1.0425E + 00 |
| | Max | 8.4576E + 06 | 3.0442E + 07 | 5.3508E + 07 | 6.2509E + 07 | 8.5231E + 06 | Min | 1.7658E − 13 | 1.9816E + 06 | 4.5685E − 05 | 1.6961E − 13 | 5.1104E − 01 | Mean | 1.3266E + 03 | 3.1857E + 06 | 6.8165E + 04 | 8.8667E + 03 | 1.1326E + 03 | Var | 9.7405E + 04 | 1.4876E + 06 | 1.4622E + 06 | 6.4328E + 05 | 8.7645E + 04 |
| | Max | 1.8310E + 08 | 1.4389E + 08 | 1.8502E + 08 | 1.4578E + 08 | 2.5680E + 07 | Min | 1.7942E − 11 | 1.0497E + 07 | 2.4500E − 03 | 1.1248E − 11 | 9.9870E − 01 | Mean | 3.7089E + 04 | 1.5974E + 07 | 2.0226E + 05 | 3.8852E + 04 | 3.5739E + 03 | Var | 2.0633E + 06 | 1.0724E + 07 | 4.6539E + 06 | 2.1133E + 06 | 2.6488E + 05 |
| | Max | 1.3876E + 01 | 1.4988E + 01 | 1.4849E + 01 | 1.3506E + 01 | 9.3280E + 00 | Min | 4.2410E − 174 | 6.8743E + 00 | 2.5133E − 02 | 7.3524E − 176 | 0 | Mean | 1.3633E − 02 | 7.2408E + 00 | 2.5045E + 00 | 1.3900E − 02 | 5.1800E − 03 | Var | 3.3567E − 01 | 7.7774E − 01 | 1.0219E + 00 | 3.4678E − 01 | 1.7952E − 01 |
| | Max | 3.6704E + 01 | 3.6950E + 01 | 2.8458E + 01 | 2.6869E + 01 | 2.4435E + 01 | Min | 2.0914E − 11 | 9.7737E + 00 | 3.3997E − 03 | 5.9165E − 12 | 7.5806E − 01 | Mean | 6.5733E − 02 | 1.2351E + 01 | 6.7478E − 01 | 5.6520E − 02 | 7.9392E − 01 | Var | 6.7543E − 01 | 2.8057E + 00 | 1.4666E + 00 | 6.4874E − 01 | 3.6928E − 01 |
|
|