《表1 0 移除PreHC的修复和替换算子之后的VC指标均值》
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.
图表编号 | XD00136455700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 向毅、周育人、蔡少伟 |
绘制单位 | 中山大学数据科学与计算机学院、中山大学数据科学与计算机学院、中国科学院软件研究所 |
更多格式 | 高清、无水印(增值服务) |