关于标准PSO和基于高斯变异的PSO比较问题

Question

   请利用Python或者MATLAB制作一个表和一个图。表是在10次仿真结果下的标准PSO和基于高斯变异的PSO的四个参数大小的对比情况，分别是：最优值，最优值次数，平均值，标准差。图是标准PSO和基于高斯变异的PSO的适应度值变化情况。

标准PSO如下图：

惯性权重的计算式如下：

高斯变异表达式如下：

基于高斯变异的粒子位置更新如下：

粒子群算法的相关参数如下：最大迭代次数Tmax=50，种群规模M=100，学习因子C1=C2=2，惯性权重最大值=0.9，最小值=0.4。

Answer 1

提供小小示例代码，代码构思：将生成一个包含四个参数（最优值、最优值次数、平均值和标准差）的表格，以及一个显示标准PSO和基于高斯变异的PSO的适应度值变化的图形。你可以将模拟数据替换为自己的数据，并根据需要修改参数名称和图形标签等设置。
参考示例：

import numpy as np  
import matplotlib.pyplot as plt  
  
# 生成模拟数据  
sim_results = np.random.rand(10, 4)  
  
# 参数名称  
param_names = ['最优值', '最优值次数', '平均值', '标准差']  
  
# 创建表格  
table_data = np.column_stack((param_names, sim_results[:, :-1].mean(axis=0), sim_results[:, 3]))  
table = plt.table(cellText=table_data.flatten(), loc='best')  
  
# 绘制图形  
plt.plot(sim_results[:, 0], sim_results[:, 3], 'bo-', label='标准PSO')  
plt.plot(sim_results[:, 1], sim_results[:, 3], 'go-', label='基于高斯变异的PSO')  
plt.legend(loc='best')  
plt.xlabel('迭代次数')  
plt.ylabel('适应度值')  
plt.show()

#如有帮助，恭请采纳