《表1 算法性能对比：交互式遗传算法在民族图案创新设计中的应用》

  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

《交互式遗传算法在民族图案创新设计中的应用》

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

为衡量本文算法（IGA-IDFF）性能，对比IGA-T和文献[19]中区间适应值交互式遗传算法（interactive genetic algorithms with individual’s interval fitness，IGA-IIF），每种方法由10位设计师和10位设计专业学生作为被试者独立运行10次后计算平均值，对比结果见表1。3种算法设置为相同的控制参数，为保持一致性，在IGA-T和IGA-IIF中取设计师和用户的算术平均评分作为进化个体的适应值。从实验结果可知，本文算法收敛条件下的平均进化次数和平均评价次数占IGA-T的74.6%，占IGA-IIF的81.2%，且成功率为100%，能够在一定程度上反映该算法在提高进化个体质量的有效性。并且，IGA-IDFF通过刻画噪声强度来修正评价值，互异进化个体显著增加，从而增大进化种群多样性，有利于客户生成满意的方案。