30、静态与动态环境下的粒子群优化算法研究

静态与动态环境下的粒子群优化算法研究

静态环境下HVEPSO的性能研究

在静态多目标优化（MOO）环境中，对多种异构向量评估粒子群优化（HVEPSO）配置的性能进行了研究，使用了三种知识转移策略（KTS），分别是随机KTS、环形转移策略（Ring Transfer Strategy）和PCX转移策略（PCX Transfer Strategy）。

随机KTS的结果

随机KTS的平均超体积比（HVR）值和获胜次数如下表所示：
|配置|BNR 1|BNR 2|BNR 3|BNR 4|BNR 5|BNR 6|BNR 7|#Wins|
|----|----|----|----|----|----|----|----|----|
|cfg1|0.00158|0.2052|0.66486|0.78311|1.13246|0.97071|0.27375|13|
|cfg2|0.00164|0.15538|0.75954|0.826|0.95917|0.71738|0.06776|3|
|cfg3|0.00094|0.15528|0.7668|0.78442|1.58653|0.91463|0.22958|6|
|cfg4|0.00196|0.16773|0.68036|0.86803|1.18212|0.74911|0.14635|2|
|cfg5|0.0017|0.13745|0.73032|0.93939|1.06011|1.00113|0.05662|4|
|cfg6|0.002018|0.16163|0.67804|0.89185|1.13847|0.60155|0.21316|2|
|cfg