《表2 仿真结果均值：基于遗传算法和虚拟化技术的网络配置方法》
提示：宽带有限、当前游客访问压缩模式
实验中，整个网络的光波长路径设为100个，每个用户的HU-S和HS-S的均值和公平性指数，以及每个供应商之间资源利用率的公平性指数如表2所示．本文对比了四种不同仿真案例：
| 图表编号 | XD00161834000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 孙美卫 |
| 绘制单位 | 泉州经贸职业技术学院信息技术系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 虚拟机类型配置：基于家族遗传算法的虚拟机放置策略》2021.02.16
- 《表1 基于遗传算法的虚拟机放置方法相关符号》2020.12.01
- 《仿真参数：基于深度确定性策略梯度的虚拟网络功能迁移优化算法》2021.02.01
- 《表4 仿真环境设置：基于优化遗传神经网络算法的实验室评估》2020.12.25
- 《表2 正交实验结果：基于神经网络和遗传算法的电沉积Ni-TiB_2复合镀层工艺参数优化》2020.11.15
- 《表8 优化结果对比：基于BP神经网络和遗传算法的机箱壳注塑工艺参数多目标优化》2018.03.10
- 《表3 正交试验结果：基于神经网络遗传算法函数寻优与回弹补偿技术的某型汽车前幅拉延成形优化》2020.06.28
- 《表2 仿真结果：基于遗传算法优化神经网络的拼焊板压边力预测》2020.02.01
- 《表2 部分测试样本：基于遗传算法优化BP神经网络的管道泄漏检测方法研究》2020.01.28
- 《表2 改进遗传算法和遗传算法仿真结果比较》2019.09.25
- 《表1 仿真参数：基于遗传算法的道路车辆自组织网络源路由机制》2019.08.01
- 《表1 仿真参数：基于遗传算法和模糊C均值聚类的WSN分簇路由算法》2019.08.10
- 《表1 仿真参数表：5G网络切片中基于离散粒子群和Kruskal算法的跨域虚拟网络映射》2019.04.01
- 《表6 零件2基于遗传算法的BP神经网络的输出和识别结果》2019.07.25
- 《表3 零件1基于遗传算法的BP神经网络的输出和识别结果》2019.07.25
- 《表3 分类准确率比较：基于遗传算法的神经网络集成方法》2019.04.01
- 《表2 实验参数设置：基于遗传算法的神经网络集成方法》2019.04.01
- 《表1 数据集信息：基于遗传算法的神经网络集成方法》2019.04.01
- 《表1 图像的仿真结果：基于改进遗传模拟退火算法的BP神经网络的畸变校正研究》2019.05.25
- 《表1 系统配置：基于神经网络及虚拟现实技术的智能手势识别研究》2018.06.20