《表1 0 移除PreHC的修复和替换算子之后的VC指标均值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《集成偏好的高维多目标最优软件产品选择算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表8的最后两列可以看出，PreEA的性能明显优于PreHC.具体地，PreEA的表现比PreHC（N=50）和PreHC（N=100）更优的特征模型个数分别为20和19.针对带偏好的高维多目标最优软件产品选择问题，演化算法比本节采用的爬山算法更具优势.作为一种局部搜索算法，爬山算法无法确保找到最优解，且所采用的贪心策略使得算法易于陷入局部最优[43].若在PreHC（N=100）算法中同时移除修复算子和替换算子（该变体算法记为PreHC–RO–SO），则算法的性能有明显的退化.如表10所示，PreHC–RO–SO仅在4个特征模型上能够保证每次运行均返回有效解.对于其他特征模型，该算法的最终解违反了大量的约束，进而使得这些解没有实际应用价值.上述事实再一次说明，采用SAT求解器作为修复和替换算子对提升搜索算法的性能意义重大.