《表3 6种算法在DTLZ1函数上获得IGD+值的比较》

  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

《一种基于分解和协同的高维多目标进化算法》

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3可以看出，MaOEA/DCE算法分别在DTLZ1（4，10，30）测试实例上获得了最佳的IGD+指标的平均值而其他对比算法NSGA-II、AbYSS、MOEA/D-SBX、MOEA/D-ACD无一能够获得最佳的IGD+均值；其次，通过统计各算法在DTLZ1（4，10，30）这3个测试例上获得的IGD+值的排名，表现最好的是本文的算法，其次是MOEA/D-DE，随后依次是MOEA/D-ACD、MOEA/D-SBX、NSGA-II和AbYSS.从表3的“better/worst/similar”结果来看，5种参与对比的MOEA算法获得的结果都为“0/3/0”，由此表明本文算法MaOEA/DCE在这3个高维目标的DTLZ1测试函数上具有比其他对比算法显著更优的IGD+性能，亦即MaOEA/DCE算法与其他对比算法相比，具有更好的收敛性与多样性的综合性能.由于DTLZ1测试函数的Pareto前沿是线性、多模态的，这也表明MaOEA/DCE在求解具有线性、多模态的高维多目标优化问题时具有较好的性能.