Research Article

Grey Wolf Optimizer Based on Powell Local Optimization Method for Clustering Analysis

Table 3

Results comparison of different optimal algorithms for 20 independent runs.

FunctionCriteriaGGSACSABCPSOGWOPGWO

Best1.0133E − 173.7450E + 002.1820E + 011.7964E − 064.7447E − 29
Worst1.0181E − 162.4776E + 011.8094E + 022.2907E − 042.2227E − 26
Mean5.1858E − 178.8292E + 008.1908E + 016.5181E − 051.8269E − 27
Std.2.6953E − 174.7633E + 004.3834E + 016.9891E − 054.8884E − 27

Best2.3974E + 013.0920E + 024.4296E + 032.4432E + 012.6182E + 01
Worst3.4411E + 022.2219E + 034.5866E + 044.1217E + 022.8769E + 01
Mean7.7481E + 015.5445E + 021.5193E + 041.2465E + 022.7507E + 01
Std.7.4751E + 014.1835E + 029.7239E + 031.4004E + 02

Best2.3591E − 094.0632E + 009.2131E + 006.3889E − 037.9048E − 14
Worst9.8704E − 091.0603E + 011.6954E + 014.9535E + 001.5010E − 13
Mean5.0646E − 096.0677E + 001.3090E + 012.0423E + 001.0498E − 13
Std.1.9095E − 091.5421E + 002.2882E + 001.1464E + 001.7485E − 14

Best5.4733E − 012.0863E + 007.5357E − 012.4473E − 031.8626E − 02
Worst4.6556E + 004.1099E + 005.5219E + 003.6426E + 001.2149E − 01
Mean1.9728E + 003.2711E + 002.0544E + 008.5739E − 015.4300E − 02
Std.1.0488E + 005.9739E − 011.3358E + 001.0326E + 002.9934E − 02

Best2.1024E − 022.7015E + 002.2507E + 006.3080E − 063.9444E − 01
Worst2.4387E + 011.2516E + 011.1090E + 023.6461E + 008.5465E − 01
Mean7.7881E + 006.2644E + 001.1124E + 013.7285E − 016.7323E − 01
Std.6.6733E + 002.5624E + 002.3792E + 019.3480E − 011.4330E − 01

Best1.2358E − 033.1550E − 048.3768E − 043.0750E − 04
Worst1.2219E − 023.4810E − 031.9361E − 032.0363E − 02
Mean4.3558E − 031.6421E − 039.3309E − 046.4067E − 03
Std.2.6046E − 037.2141E − 044.1733E − 049.3762E − 03

Best3.0000E + 003.0000E + 003.0000E + 003.0000E + 003.0000E + 00
Worst3.0000E + 003.0000E + 003.0620E + 003.0000E + 008.4000E + 01
Mean3.0000E + 003.0000E + 003.0136E + 003.0000E + 001.1100E + 01
Std.2.5794E − 151.5717E − 151.9505E − 022.4931E + 01