Fruit Fly Optimization Algorithm Based on Single-Gene Mutation for High-Dimensional Unconstrained Optimization Problems

Table 2

The performance on test functions with n = 100 and 200.

Function		ESSMER	IFFO	SFFO	AFFOSM
f1	n = 100	1.49E + 02	1.91E + 02	1.68E + 02	1.25E + 02
		/1.04E + 02	/4.08E + 02	/6.20E + 02	/5.02E + 01
	n = 200	4.31E + 02	4.46E + 02	4.59E + 02	3.31E + 02
		/4.02E + 02	/4.38E + 02	/7.01E + 02	/3.16E + 02
f2	n = 100	3.98E − 14	3.97E − 16	3.66E − 16	7.43E − 43
		/4.63E − 14	/9.66E − 17	/1.12E − 16	/6.64E − 42
	n = 200	1.34E − 07	3.25E − 15	3.01E − 15	1.15E − 22
		/1.69E − 07	/6.09E − 16	/4.12E − 16	/1.61E − 22
f3	n = 100	5.27E − 08	7.51E − 09	7.74E − 09	5.37E − 13
		/5.15E − 08	/7.90E − 10	/9.77E − 10	/1.91E − 13
	n = 200	6.13E − 05	1.47E − 08	1.53E − 08	1.34E − 12
		/2.56E − 05	/1.17E − 09	/1.21E − 09	/1.08E − 12
f4	n = 100	1.32E − 07	1.16E − 07	1.37E − 07	4.10E − 14
		/1.37E − 07	/5.39E − 08	/4.56E − 08	/8.40E − 15
	n = 200	4.53E − 04	6.63E − 07	6.73E − 07	3.84E − 12
		/1.71E − 04	/1.51E − 07	/1.23E − 07	/2.27E − 12
f5	n = 100	2.14E − 01	9.90E − 03	1.23E − 02	7.40E − 03
		/1.45E − 01	/2.41E − 02	/2.21E − 02	/2.51E − 02
	n = 200	2.95E − 01	9.90E − 03	1.23E − 02	9.90E − 03
		/1.76E − 01	/2.72E − 02	/1.81E − 02	/1.22E − 02
f6	n = 100	1.26E − 12	9.95E − 01	9.95E − 01	2.01E − 07
		/1.28E − 02	/7.88E − 01	/7.86E − 01	/4.96E − 01
	n = 200	3.76E − 06	1.69E + 01	1.89E + 01	2.00E + 00
		/7.57E − 01	/5.38E + 00	/3.77E + 00	/1.49E + 00
R	n = 100	3.17	2.667	2.833	1.333
	n = 200	3.264	2.556	2.819	1.361