《表2 评价次数设定：基于重构邻域策略的分解多目标进化算法》

  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

《基于重构邻域策略的分解多目标进化算法》

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

根据决策变量的公式n=m+k-1，测试函数DTLZ1对应的k设置为5，DTLZ2-4对应的k设置为10，ZDT1-4系列测试函数的决策变量设置为30．此外，所有算法的其它参数均保持一致．采用模拟二进制交叉和多项式变异，交叉概率Pc=1.0，变异概率Pm=1/n，交叉分布指数（ηc）=20，变异分布指数（ηm）=20．本文中设置，0≤T1，T2≤T/2，所有的对比算法T均设置为20．随着目标维度增加，逼近Pareto前沿面所需的解数量会呈现指数上升，所以需要相应的调整种群规模大小，对比算法的种群规模N设定如表1所示．ZDT1-4系列测试函数评价次数设定为30000，DTLZ1-4系列测试函数在不同维度（m）上的评价次数设定如表2所示．