Research Article
Dynamic Multi-Swarm Differential Learning Quantum Bird Swarm Algorithm and Its Application in Random Forest Classification Model
Table 8
Comparison on 8 unimodal functions with popular algorithms (Dim = 10, FEs = 100000).
| Function | Term | GWO | WOA | SCA | GOA | SSA | DMSDL-QBSA |
| | Max | 1.3396E + 04 | 1.4767E + 04 | 1.3310E + 04 | 2.0099E + 01 | 4.8745E + 03 | 9.8570E − 01 | Min | 0 | 0 | 4.2905E − 293 | 8.6468E − 17 | 0 | 0 | Mean | 3.5990E + 00 | 4.7621E + 00 | 1.4014E + 02 | 7.0100E − 02 | 4.5864E + 00 | 1.0483E − 04 | Var | 1.7645E + 02 | 2.0419E + 02 | 8.5054E + 02 | 4.4200E − 01 | 1.4148E + 02 | 9.8725E − 03 |
| | Max | 3.6021E + 02 | 2.5789E + 03 | 6.5027E + 01 | 9.3479E + 01 | 3.4359E + 01 | 3.2313E − 01 | Min | 0 | 0 | 9.8354E − 192 | 2.8954E − 03 | 2.4642E − 181 | 0 | Mean | 5.0667E − 02 | 2.9480E − 01 | 4.0760E − 01 | 3.1406E + 00 | 1.7000E − 02 | 1.1278E − 04 | Var | 3.7270E + 00 | 2.6091E + 01 | 2.2746E + 00 | 3.9264E + 00 | 5.4370E − 01 | 4.8000E − 03 |
| | Max | 1.8041E + 04 | 1.6789E + 04 | 2.4921E + 04 | 6.5697E + 03 | 1.1382E + 04 | 4.0855E + 01 | Min | 0 | 1.0581E − 18 | 7.6116E − 133 | 2.8796E − 01 | 3.2956E − 253 | 1.5918E − 264 | Mean | 7.4511E + 00 | 2.8838E + 02 | 4.0693E + 02 | 4.8472E + 02 | 9.2062E + 00 | 4.8381E − 03 | Var | 2.6124E + 02 | 1.4642E + 03 | 1.5913E + 03 | 7.1786E + 02 | 2.9107E + 02 | 4.1383E − 01 |
| | Max | 2.1812E + 09 | 5.4706E + 09 | 8.4019E + 09 | 1.1942E + 09 | 4.9386E + 08 | 7.5188E + 01 | Min | 4.9125E + 00 | 3.5695E + 00 | 5.9559E + 00 | 2.2249E + 02 | 4.9806E + 00 | 2.9279E − 13 | Mean | 4.9592E + 05 | 2.4802E + 06 | 4.4489E + 07 | 5.0021E + 06 | 3.3374E + 05 | 2.4033E − 02 | Var | 2.9484E + 07 | 1.1616E + 08 | 4.5682E + 08 | 3.9698E + 07 | 1.1952E + 07 | 9.7253E − 01 |
| | Max | 1.8222E + 04 | 1.5374E + 04 | 1.5874E + 04 | 1.2132E + 03 | 1.6361E + 04 | 1.8007E + 00 | Min | 1.1334E − 08 | 8.3228E − 09 | 2.3971E − 01 | 2.7566E − 10 | 2.6159E − 16 | 1.0272E − 33 | Mean | 5.1332E + 00 | 5.9967E + 00 | 1.2620E + 02 | 5.8321E + 01 | 8.8985E + 00 | 2.3963E − 04 | Var | 2.3617E + 02 | 2.3285E + 02 | 8.8155E + 02 | 1.0872E + 02 | 2.9986E + 02 | 1.8500E − 02 |
| | Max | 7.4088E + 00 | 8.3047E + 00 | 8.8101E + 00 | 6.8900E − 01 | 4.4298E + 00 | 2.5787E − 01 | Min | 1.8112E − 05 | 3.9349E − 05 | 4.8350E − 05 | 8.9528E − 02 | 4.0807E − 05 | 1.0734E − 04 | Mean | 1.8333E − 03 | 3.2667E − 03 | 4.8400E − 02 | 9.3300E − 02 | 2.1000E − 03 | 5.2825E − 04 | Var | 9.4267E − 02 | 1.0077E − 01 | 2.9410E − 01 | 3.5900E − 02 | 6.5500E − 02 | 4.6000E − 03 |
| | Max | 7.3626E + 02 | 6.8488E + 02 | 8.0796E + 02 | 3.9241E + 02 | 8.2036E + 02 | 1.4770E + 01 | Min | 0 | 0 | 1.9441E − 292 | 7.9956E − 07 | 0 | 0 | Mean | 2.0490E − 01 | 2.8060E − 01 | 4.9889E + 00 | 1.6572E + 01 | 2.7290E − 01 | 1.8081E − 03 | Var | 9.5155E + 00 | 1.0152E + 01 | 3.5531E + 01 | 2.3058E + 01 | 1.0581E + 01 | 1.6033E − 01 |
| | Max | 1.2749E + 03 | 5.9740E + 02 | 3.2527E + 02 | 2.3425E + 02 | 2.0300E + 02 | 2.0423E + 01 | Min | 0 | 4.3596E − 35 | 1.5241E − 160 | 3.6588E − 05 | 1.0239E − 244 | 0 | Mean | 3.1317E − 01 | 1.0582E + 01 | 1.0457E + 01 | 1.2497E + 01 | 2.1870E − 01 | 2.6947E − 03 | Var | 1.4416E + 01 | 4.3485E + 01 | 3.5021E + 01 | 2.5766E + 01 | 6.2362E + 00 | 2.1290E − 01 |
|
|