计算智能第一次实验--智能优化算法（GrieWank函数）_每个函数进行了30次的独立优化-CSDN博客

本文链接：https://blog.csdn.net/weixin_46450554/article/details/115572656

本次实验在MATLAB R2018b环境中进行，主要任务包括生成并绘制Griewank函数图像、统计分析智能优化算法、绘制统计箱图、收敛曲线，以及运用ranksum函数分析差异性。通过编写多个脚本文件，实现了各个任务，并得到了相应的图形和分析结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、实验任务目的

1. 掌握Matlab基本脚本程序设计
2. 熟悉Matlab典型数据分析方法
3. 熟悉Matlab基本绘图函数使用
4. 掌握智能优化算法的性能评估方法

二、实验任务内容

问题描述：某智能优化算法A和算法B在求解Griewank函数的最小数值时,各自独立重复运行了30次，每次算法运行迭代1000代，算法测试过程中得到的所有数据分别存放在矩阵dataA和矩阵dataB中。dataA和dataB均为30行1000列的矩阵，矩阵的每行代表1次测试记录，30行代表30次测试记录，每次测试记录里存放了算法循环迭代1000代的函数数值结果（由于算法在寻找函数的全局最小值问题，因此这1000个数值数据呈现由大到小排列的趋势）。

任务要求：请采用matlab模拟生成数据dataA和dataB（或基于真实算法生成），然后基于这两组数据分析比较算法的性能。
1. 绘制基准测试Griewank函数在二维和三维空间的函数图形，分析该函数在不同维度下的特点；
2. 统计分析智能优化算法A和B在30次实验测试中获得的30个最优函数值的结果的均值，方差，最大，最小，中位数，数据可采用表格呈现；
3. 绘制算法测试结果的统计箱图，要求图中至少包括图形标题，横坐标标题，纵坐标标题等内容，图片保存为png格式；
4. 绘制算法A和算法B的平均收敛曲线（基于矩阵dataA和矩阵dataB内的数据），要求不同曲线使用不同的颜色、线型、和标记符号；
5. 基于算法A和算法B得到的30次最佳实验结果，分析两种算法的求解性能是否具有显著差异性；
    提示：可