目录
- 1.常用统计指标
- 2.参数统计检验
- 3.结果展示
- 4.自定义修改测试框架
1.常用统计指标
测试智能算法性能时,常常会用到以下5种常用指标,简单不赘述:
最优值、最差值、均值、中位数、标准差
2.参数统计检验
单纯依靠常用统计指标说服力不足,因此参数统计检验是为了提供更科学分析结果。由于计算数据通常不服从正态分布,因此采用非参数统计检验:
Wilcoxon秩和检验
Wilcoxon秩和检验用于比较两独立样本的中位数是否存在显著差异,p值用于判断检验的显著性,h是假设检验的结果。
- 如果h为0,则接受原假设,表示两组样本的中位数不存在显著差异
- 如果h为1,则说明存在显著性差异,进一步比较均值或者中位数
Wilcoxon符号检验
Wilcoxon符号检验用于比较两组相关样本中位数的差异,与Wilcoxon秩和检验判断方法类似。p值用于判断检验的显著性,h是假设检验的结果。
- 如果h为0,则接受原假设,表示两组样本的中位数不存在显著差异
- 如果h为1,则说明存在显著性差异,进一步比较均值或者中位数
Friedman检验
Friedman 检验是一种用于比较三个或更多相关组的非参数统计检验方法,用于检验在多个相关组之间是否存在显著差异。(用来给出整体算法排名)
3.结果展示
选取GWO,HHO,SSA,ARO四种算法进行测试,一键运行run.m
直接输出结果:
4.自定义修改测试框架
-
可自定义测试参数,测试算法
-
自定义测试算法(改进算法),自定义配色(SCI配色谁不喜欢🤣