清华大学遗传算法PPT_cn06_basicNetDesign_v100.ppt

下载文档 降价啦

2
0
约11.06万字
约 166页
2020-01-13 发布于安徽
举报
版权申诉
保障服务

清华大学遗传算法PPT_cn06_basicNetDesign_v100.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

Soft Computing Lab. WASEDA UNIVERSITY , IPS * 5.3 Numerical Examples Reference solution set S* to test problems: flow cost Fig.6.12 The Reference solution set of Example 2 (|S*|=77) Soft Computing Lab. WASEDA UNIVERSITY , IPS * 5.3 Numerical Examples Reference solution set S* to test problems: 　z1 z2　　z1 z2　　z1 z2　　z1 z2　 2 52 31 1408 55 3525 75 6815 5 115 32 1488 56 3610 76 7081 7 167 33 1595 57 3669 77 7227 8 248 34 1640 58 3732 78 7308 10 275 35 1753 59 3987 79 8002 11 306 36 1818 60 4189 80 8697 13 388 37 1892 61 4458 81 9319 15 495 38 1942 62 4551 82 9997 17 608 40 2171 63 4751 83 10667 18 653 42 2319 64 4867 84 11341 20 784 43 2405 65 5069 85 11949 22 872 44 2587 66 5341 86 12623 23 953 45 2653 67 5517 87 13455 24 965 47 2701 68 5583 88 14116 25 1035 48 2897 69 5809 89 14735 26 1168 49 2974 70 5941 90 15551 27 1217 50 3077 71 6128 91 16100 28 1275 51 3106 72 6319 　　 29 1332 52 3198 73 6487 　　 30 1344 54 3446 74 6652 　　 Table 6.7 The Reference solution set of Example 2 (|S*|=77) Soft Computing Lab. WASEDA UNIVERSITY , IPS * 5.3 Numerical Examples Performance Measures: We mainly use a performance measure based on: The number of obtained solutions |Sj| The ratio of nondominated solutions RNDS(Sj) The RNDS(Sj) measure can be written as follows: The distance D1R The D1R measure can be written as follows: where S* is a reference solution set for evaluation the solution set Sj. dxr is the distance between a solution x and a reference solution r. [Ref.] Ishibuchi, H., T. Yoshida T. Murata: “Balance Between Genetic Search and Local Search in Memetic Algorithms for Multiobjective Permutation Flowshop Scheduling”. IEEE Trans. On Evol. Comp., Vol. 7, No. 2, pp. 204-223, 2003. Soft Computing Lab. WASEDA UNIVERSITY , IPS * 5.3 Numerical Examples Discussion of the Results: Comparison with different