《表4 不同多目标优化算法得到IGD平均值的Friedman测试结果排序》

  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

《基于策略自适应的多目标差分进化算法及其应用》

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

MODE-SS与其他六种算法所得IGD的平均值与方差、Wilcoxon方法统计结果如表3所示。从表3可以看出，MODE-SS分别优于GDE3、NSGAⅡ-DE、MODE-RMO、SA-MTLBO、MOMDE-AM、MODE-PMSMO算法7、6、5、3、5、4个测试函数，其中GDE3、NSGAⅡ-DE、MOMDE-AM不能在任何一个测试函数上优于本文所提算法；MODE-RMO、SA-MTLBO、MODE-PMSMO分别在1、3、1个测试函数上优于MODE-SS。七种算法所得IGD的Friedman方法统计分析结果如表4所示。结果显示MODE-SS算法排名第四，优于算法GDE3、NSGAⅡ-DE、MODE-RMO，但劣于算法MODE-PMSMO、MOMDE-AM、SA-MTLBO，其主要原因是在算法中加入了SBX增强了种群的收敛性，导致种群分布性较差。