Enhancing the Performance of Biogeography-Based Optimization Using Multitopology and Quantitative Orthogonal Learning
Table 8
Comparison with other non-OL-based EAs.
CLPSO
CMA-ES
GL-25
SLPSO
MGBGE
iMEABC
MSODPSO-G
MSODPSO-L
MTQLBBO
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
Mean (std. dev.)
9.10E − 03 (2.20E − 03)
2.35E − 01 (6.07E − 02)
1.80E − 03 (5.64E − 04)
NA
2.14E − 03 (1.08E − 03)
1.50E − 03 (6.77E − 04)
NA
NA
0.00E + 00 (0.00E + 00)
5.47E + 00 (2.45E + 00)
5.32E − 01 (1.4E + 00)
2.12E + 01 (7.93E − 01)
2.06E + 00 (1.23E + 01)
1.69E + 00 (2.24E + 00)
2.81E + 01 (5.65E − 01)
3.78E − 02 (1.65E − 01)
1.22E − 01 (1.59E − 01)
1.43E + 00 (6.87E − 01)
8.19E + 02 (1.30E + 02)
1.44E − 26 (3.01E − 27)
2.47E − 01 (4.82E − 01)
7.93E − 03 (2.33E − 01)
6.10E − 11 (2.96E − 11)
1.14E − 09 (1.60E − 09)
1.54E − 05 (1.53E − 05)
1.02E − 02 (7.40E − 03)
6.87E − 01 (4.52E − 01)
3.14E − 04 (4.78E − 05)
1.80E − 03 (6.90E − 03)
2.56E − 38 (9.90E − 38)
1.35E − 26 (3.88E − 25)
8.50E − 41 (3.38E − 41)
7.15E − 17 (3.41E − 17)
1.46E − 48 (2.77E − 48)
1.35E − 29 (1.55E − 29)
0.00E + 00 (0.00E + 00)
3.35E + 00 (3.56E − 01)
3.87E − 15 (5.61E − 16)
4.04E − 02 (2.46E − 02)
2.54E − 03 (1.86E − 02)
1.31E − 05 (3046E − 06)
5.13E − 06 (2.55E − 06)
NA
NA
4.23E − 03 (7.23E − 06)
1.90E − 03 (7.05E − 04)
5.84E − 29 (1.58E − 29)
2.87E − 120 (7.31E − 120)
2.78E − 50 (8.09E − 49)
8.79E − 68 (5.21E − 69)
1.08E − 31 (9.98E − 32)
NA
NA
0.00E + 00 (0.00E + 00)
2.10E − 03 (7.00E − 03)
6.49E − 29 (1.79E − 29)
1.86E − 31 (3.53E − 31)
NA
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
NA
NA
0.00E + 00 (0.00E + 00)
2.68E − 02 (4.00E − 03)
1.95E + 00 (1.58E − 01)
1.03E − 12 (3.05E − 12)
3.47E − 14 (4.45E − 14)
7.69E − 15 (0.00E + 00)
4.94E − 15 (1.57E − 15)
3.73E − 15 (1.66E − 15)
2.90E − 15 (9.01E − 16)
7.29E − 16 (5.05E − 15)
1.42E − 04 (4.89E − 05)
6.57E − 04 (2.50E − 03)
1.24E − 08 (3.91E − 08)
2.27E − 02 (1.44E − 02)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
2.36E − 07 (5.52E − 08)
4.56E − 05 (2.05E − 05)
2.40E − 29 (4.32E − 30)
1.03E − 02 (3.27E − 02)
1.57E − 32 (4.50E − 47)
1.57E − 32 (0.00E + 00)
2.16E − 28 (2.53E − 28)
1.57E − 32 (0.00E + 00)
1.57E − 32 (0.00E + 00)
2.67E − 34 (8.25E − 38)
1.10E − 03 (3.60E − 04)
1.40E − 03 (3.90E − 03)
4.20E − 03 (7.40E − 03)
NA
1.35E − 22 (0.00E + 00)
3.36E − 27 (3.08E − 27)
NA
NA
1.35E − 34 (2.47E − 35)
9.19E − 04 (5.44E − 04)
2.44E + 02 (3.69E + 01)
2.47E + 01 (6.49E + 00)
0.00E + 00 (0.00E + 00)
3.98E + 00 (2.98E + 00)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
0.00E + 00 (0.00E + 00)
4.87E − 01 (1.37E − 07)
5.55E + 03 (6.81E + 02)
3.57E + 03 (7.40E + 02)
3.82E − 04 (7.31E − 12)
4.87E − 01 (1.09E − 12)
3.82E − 04 (3.27E − 13)
3.82E − 04 (6.89E − 13)
1.18E + 01 (3.61E + 01)
8.94E − 22 (1.12E − 21)
13/0/0
10/0/3
11/0/2
7/1/2
6/1/3
8/2/3
4/1/3
4/1/3
The maximum number of FEs of SLPSO is 300,000 for each function; the maximum number of FEs of MGBDE is 200,000 for each function; NA means the result is not available; the mean result of this function has been added, , to make the global optimum equal to 0; summarizes the quality of the final results between MTQLBBO and its competitors in this table based on Mann-Whitney test.