《表3 不同L和Ns取值下算法的平均运行时间/s》
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
《基于多目标多属性决策的大规模Web服务组合QoS优化》
本研究算法运行一次生成NC个新个体,因此,整体复杂度为O(LNC+MNC2)。其中,M和NC是固定值,即M=2,NC=100,可见,算法复杂度主要与L相关。除此以外,由于候选服务数NS也在不断扩增,因此,为了充分验证EMOGA的可扩展性,这里设计了一组实验,使L和NS的取值均从10到50变化,间隔为5。随着NS增加,可选组合服务成指数级增长,为了提高算法性能,本实验调整个体变异概率IPm随NS值每增加5而增加0.005。实验运行100代30次,计算平均运行时间,结果见表3。由表3可知,当L取值固定时,随着NS增加,每列的运行时间均比较接近。当NS取值固定时,随着L增加,每行的运行时间以小幅度增加。由于复合增长率(compoundgrowthrate,CGR)能够反应一组数据中连续两个值之间的增加幅度,因此,本实验计算了每行和每列运行时间的CGR值,然后计算了平均CGR值,分别为8.78%和0.98%。结果说明在相同L下,随着NS增多,算法运行时间差异不大,因此,说明EMOGA独立于候选服务数的变化。每行CGR的平均值为8.78%,说明运行时间受任务数的影响,不过增加幅度较小。从方差可以看出,列数据方差明显小于行数据方差。
图表编号 | XD0021078000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.01 |
作者 | 鲁城华、寇纪淞 |
绘制单位 | 天津大学管理与经济学部 |
更多格式 | 高清、无水印(增值服务) |