《表1 DTLZ测试函数GD指标值和IGD指标值表》

  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

《偏好向量引导的高维目标协同进化算法》

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

图13表示10维DTLZ2测试函数在g-NSGA-II，r-NSGA-II和ASF-PICEA-g算法上的前沿图.从10维上看，g-NSGA-II所求的解集比较散乱，虽然靠近参考点，但是收敛效果较差.原因在于:g-NSGA-II机制是一种放松的Pareto占优机制，造成高维目标空间中非支配解比例过大.r-NSGA-II所求解集均匀分布在参考点附近，收敛效果比g-NSGA-II要好.同样的，本算法所求解集也均匀分布在参考点附近，体现出了偏好信息的引导作用.上述分析可得:在10维的DTLZ2测试函数上，所求得的偏好集能够很好地满足决策者的偏好，并且能很好地收敛到前沿上.随着目标维数的增加，ASF-PICEA-g算法性能并未明显衰减，所求解集仍然集中在决策者感兴趣区域.