Research Article
Dynamic Multi-Swarm Differential Learning Quantum Bird Swarm Algorithm and Its Application in Random Forest Classification Model
Table 9
Comparison on 8 multimodal functions with popular algorithms (Dim = 10, FEs = 100000).
| Function | Term | GWO | WOA | SCA | GOA | SSA | DMSDL-QBSA |
| | Max | 2.9544E + 03 | 2.9903E + 03 | 2.7629E + 03 | 2.9445E + 03 | 3.2180E + 03 | 3.0032E + 03 | Min | 1.3037E + 03 | 8.6892E − 04 | 1.5713E + 03 | 1.3438E + 03 | 1.2839E − 04 | 1.2922E + 03 | Mean | 1.6053E + 03 | 1.4339E + 01 | 1.7860E + 03 | 1.8562E + 03 | 2.5055E + 02 | 1.2960E + 03 | Var | 2.6594E + 02 | 1.2243E + 02 | 1.6564E + 02 | 5.1605E + 02 | 3.3099E + 02 | 5.8691E + 01 |
| | Max | 1.3792E + 02 | 1.2293E + 02 | 1.2313E + 02 | 1.1249E + 02 | 3.2180E + 03 | 1.8455E + 01 | Min | 0 | 0 | 0 | 1.2437E + 01 | 1.2839E − 04 | 0 | Mean | 4.4220E − 01 | 1.1252E + 00 | 9.9316E + 00 | 2.8378E + 01 | 2.5055E + 02 | 3.2676E − 03 | Var | 4.3784E + 00 | 6.5162E + 00 | 1.9180E + 01 | 1.6240E + 01 | 3.3099E + 02 | 1.9867E − 01 |
| | Max | 2.0257E + 01 | 2.0043E + 01 | 1.9440E + 01 | 1.6623E + 01 | 3.2180E + 03 | 1.9113E + 00 | Min | 4.4409E − 15 | 3.2567E − 15 | 3.2567E − 15 | 2.3168E + 00 | 1.2839E − 04 | 8.8818E − 16 | Mean | 1.7200E − 02 | 4.2200E − 02 | 8.8870E − 01 | 5.5339E + 00 | 2.5055E + 02 | 3.1275E − 04 | Var | 4.7080E − 01 | 6.4937E − 01 | 3.0887E + 00 | 2.8866E + 00 | 3.3099E + 02 | 2.2433E − 02 |
| | Max | 1.5246E + 02 | 1.6106E + 02 | 1.1187E + 02 | 6.1505E + 01 | 3.2180E + 03 | 3.1560E − 01 | Min | 3.3000E − 03 | 0 | 0 | 2.4147E − 01 | 1.2839E − 04 | 0 | Mean | 4.6733E − 02 | 9.3867E − 02 | 1.2094E + 00 | 3.7540E + 00 | 2.5055E + 02 | 3.3660E − 05 | Var | 1.9297E + 00 | 2.6570E + 00 | 6.8476E + 00 | 4.1936E + 00 | 3.3099E + 02 | 3.1721E − 03 |
| | Max | 9.5993E + 07 | 9.9026E + 07 | 5.9355E + 07 | 6.1674 E + 06 | 3.2180E + 03 | 6.4903E − 01 | Min | 3.8394E − 09 | 1.1749E − 08 | 9.6787E − 03 | 1.8099E − 04 | 1.2839E − 04 | 4.7116E − 32 | Mean | 1.2033E + 04 | 3.5007E + 04 | 4.8303E + 05 | 1.0465E + 04 | 2.5055E + 02 | 8.9321E − 05 | Var | 9.8272E + 05 | 1.5889E + 06 | 4.0068E + 06 | 1.9887E + 05 | 3.3099E + 02 | 6.8667E − 03 |
| | Max | 2.2691E + 08 | 2.4717E + 08 | 1.1346E + 08 | 2.8101E + 07 | 3.2180E + 03 | 1.6407E − 01 | Min | 3.2467E − 02 | 4.5345E − 08 | 1.1922E − 01 | 3.5465E − 05 | 1.2839E − 04 | 1.3498E − 32 | Mean | 2.9011E + 04 | 4.3873E + 04 | 6.5529E + 05 | 7.2504E + 04 | 2.5055E + 02 | 6.7357E − 05 | Var | 2.3526E + 06 | 2.7453E + 06 | 7.1864E + 06 | 1.2814E + 06 | 3.3099E + 02 | 2.4333E − 03 |
| | Max | 1.7692E + 01 | 1.7142E + 01 | 1.6087E + 01 | 8.7570E + 00 | 3.2180E + 03 | 1.0959E + 00 | Min | 2.6210E − 07 | 0.0000E + 00 | 6.2663E − 155 | 1.0497E − 02 | 1.2839E − 04 | 0 | Mean | 1.0133E − 02 | 3.9073E − 01 | 5.9003E − 01 | 2.4770E + 00 | 2.5055E + 02 | 1.5200E − 04 | Var | 3.0110E − 01 | 9.6267E − 01 | 1.4701E + 00 | 1.9985E + 00 | 3.3099E + 02 | 1.1633E − 02 |
| | Max | 4.4776E + 01 | 4.3588E + 01 | 3.9095E + 01 | 1.7041E + 01 | 3.2180E + 03 | 6.5613E − 01 | Min | 1.9360E − 01 | 9.4058E − 08 | 2.2666E − 01 | 3.9111E + 00 | 1.2839E − 04 | 1.4998E − 32 | Mean | 2.1563E − 01 | 4.7800E − 02 | 9.8357E − 01 | 5.4021E + 00 | 2.5055E + 02 | 9.4518E − 05 | Var | 5.8130E − 01 | 1.0434E + 00 | 3.0643E + 00 | 1.6674E + 00 | 3.3099E + 02 | 7.0251E − 03 |
|
|