Through the study of five different

Through the study of five different prediction measures, we can
conclude that the proposed method could organize well the
predicted values by forming a bootstrap distribution and identify
the evolution tendency of component algorithms. Therefore,
MultiEA achieves good performance (on experimental results on
CEC 2005 test suite).

ผลลัพธ์ (ไทย) 1:

ผ่านการศึกษาในห้าของมาตรการการทำนายที่แตกต่างกันเรา
สามารถสรุปได้ว่าวิธีการที่นำเสนอสามารถจัดระเบียบได้ดี
ทำนายค่าโดยการสร้างการกระจายเงินทุนและระบุ
แนวโน้มวิวัฒนาการของขั้นตอนวิธีการองค์ประกอบ ดังนั้น
multiea ประสบความสำเร็จในผลงานที่ดี (เมื่อผลการทดลองเมื่อ
ชุดทดสอบ CEC 2005)

ผลลัพธ์ (ไทย) 2:

ผ่านการศึกษามาตรการต่าง ๆ ทำนาย 5 เราสามารถ
สรุปว่า สามารถจัดระเบียบวิธีการเสนอที่ดี
ทำนายค่า โดยการขึ้นรูปการกระจายเริ่มต้นระบบ และระบุ
แนวโน้มวิวัฒนาการของอัลกอริทึมส่วนประกอบได้ ดังนั้น,
MultiEA ได้รับประสิทธิภาพที่ดี (ผลการทดลองบน
2005 พบกับ CEC ทดสอบท)

ผลลัพธ์ (ไทย) 3:

ผ่านทางการศึกษาของ 5 มาตรการการคาดเดากันเราสามารถ
สรุปได้ว่าวิธีการที่สามารถจัดการได้ดีที่
ค่าคาดว่าโดยสร้างการกระจาย Bootstrap Processor และระบุถึงแนวโน้มการพัฒนา
ของอัลกอริธึมคอมโพเนนต์ ดังนั้น
multiea บรรลุ ประสิทธิภาพ การทำงานที่ดี(ผลการทดลองในชุดทดสอบ
CEC 2005 )