is worth mentioning that normalized

is worth mentioning that normalized objective functions values are
used to calculate the performance metrics (Fig. 12).
The spacing metrics of obtained Pareto fronts of three algorithms
are shown in Fig. 13. From the box plot of spacing metric, it
can be observed that DMOPSO, MOGA, and MOPSO are capable of
providing competitive results in terms of this metric.
The result of maximum spread metric for the employed algorithms
is illustrated in Fig. 14. It can be noticed that DMOPSO
outperforms the other two algorithms. This measure indicates that
the generated Pareto front by DMOPSO algorithm covers a larger
area compared to the other algorithms.
As mentioned earlier, the true Pareto front of the problem is not
known. Consequently, the coverage metric is used to identify which
produced PF is closer to the true PF. The comparison results of the
coverage metric for three employed algorithms are presented in
Table 9. It indicates that most solutions laying over PF generated by
MOGA are dominated by the solutions found by DMOPSO. For
instance, 51% of solutions over PF resulted by MOGA are dominated
by the produced PF of DMOPSO algorithm while 2.1% of solutions of
DMOPSO Pareto front are dominated by solutions of MOGA. In
addition,14% of MOPSO solutions areworse than solutions found by
DMOPSO. In summary, the MOPSO has no problem in converging to
true Pareto front while it is difficult to cover a large area compared
to DMOPSO. The obtained PF resulted by DMOPSO indicates the
ability of this algorithm in dealing with the complex multiobjective
optimization problem. It can be concluded that the
generated PF by DMOPSO is more uniform and covers a larger area
than two other employed algorithms.

ผลลัพธ์ (ไทย) 1:

เป็นมูลค่าการกล่าวขวัญว่า เป็นค่าฟังก์ชันวัตถุประสงค์มาตรฐานใช้ในการคำนวณการวัดประสิทธิภาพการทำงาน (12 รูป)การวัดระยะห่างของ Pareto แนวหน้าได้รับอัลกอริทึม 3จะแสดงในรูปที่ 13 จากพล็อตกล่องของวัดระยะห่าง มันสามารถตรวจสอบได้ที่ DMOPSO, MOGA และ MOPSO ที่มีความสามารถในให้ผลการแข่งขันในแง่ของวัดนี้ผลของการวัดการแพร่กระจายสูงสุดอัลกอริทึมส่วนมีภาพประกอบในรูป สามารถสามารถสังเกตเห็น DMOPSO ที่มีสูงกว่าไฟอื่นสองอัลกอริทึม วัดนี้บ่งชี้ว่าหน้า Pareto สร้าง โดยอัลกอริทึม DMOPSO ครอบคลุมขนาดใหญ่ตั้งเมื่อเทียบกับอัลกอริทึมอื่น ๆเป็นที่กล่าวถึงก่อนหน้านี้ หน้า Pareto ของปัญหาแท้จริงไม่รู้จักกัน ดังนั้น การวัดความครอบคลุมจะใช้เพื่อระบุที่PF ผลิตอยู่ใกล้ PF. จริง ผลการเปรียบเทียบการวัดความครอบคลุมสำหรับอัลกอริทึมส่วนที่สามถูกนำเสนอในตาราง 9 แสดงว่า แก้ไขปัญหาส่วนใหญ่ที่วาง PF ที่สร้างขึ้นโดยMOGA ถูกครอบงำโดยการค้นพบ โดย DMOPSO สำหรับอินสแตนซ์ 51% ของตกแต่งมากกว่าผล PF โดย MOGAโดยอัลกอริทึม PF DMOPSO ผลิตในขณะที่ 2.1% โซลูชั่นของหน้า DMOPSO Pareto ถูกครอบงำ โดยโซลูชันของ MOGA ในนอกจากนี้ 14% ของ areworse โซลูชั่น MOPSO กว่าแก้ไขปัญหาที่พบDMOPSO ในสรุป MOPSO ไม่มีปัญหาในการบรรจบกับจริง Pareto หน้าในขณะที่ยากที่จะครอบคลุมพื้นที่ขนาดใหญ่เมื่อเปรียบเทียบการ DMOPSO PF ได้รับผล โดย DMOPSO ระบุว่า การความสามารถของอัลกอริทึมนี้ในการจัดการกับ multiobjective ซับซ้อนปัญหาการเพิ่มประสิทธิภาพ จะสามารถได้ข้อสรุปว่า การPF สร้าง โดย DMOPSO มากสม่ำเสมอ และครอบคลุมพื้นที่ขนาดใหญ่กว่าสองอื่น ๆ ใช้อัลกอริทึม

ผลลัพธ์ (ไทย) 2:

เป็นมูลค่าการกล่าวขวัญว่าค่าฟังก์ชั่นวัตถุประสงค์ปกติ
ใช้ในการคำนวณตัวชี้วัดประสิทธิภาพ (รูปที่. 12).
วัดระยะห่างของเสื้อผ้าที่ได้รับ Pareto สามขั้นตอนวิธีการ
ที่จะแสดงในรูปที่ 13. จากพล็อตกล่องของระยะห่างระหว่างตัวชี้วัดก็
สามารถสังเกตได้ว่า DMOPSO, Moga และ MOPSO มีความสามารถใน
การให้ผลการแข่งขันในแง่ของตัวชี้วัดนี้.
ผลของการวัดการแพร่กระจายสูงสุดสำหรับกลไกการจ้างงานที่
จะแสดงในรูปที่ 14. มันสามารถที่จะสังเกตเห็นว่า DMOPSO
มีประสิทธิภาพดีกว่าอีกสองขั้นตอนวิธีการ วัดนี้แสดงให้เห็นว่า
ที่สร้างขึ้นด้านหน้า Pareto โดยวิธี DMOPSO ครอบคลุมขนาดใหญ่
พื้นที่เมื่อเทียบกับกลไกอื่น ๆ .
ดังกล่าวก่อนหน้าด้านหน้า Pareto ที่แท้จริงของปัญหาไม่ได้เป็น
ที่รู้จักกัน ดังนั้นตัวชี้วัดความคุ้มครองที่จะใช้ในการระบุว่า
ผลิต PF เป็นผู้ใกล้ชิดไป PF จริง ผลการเปรียบเทียบ
ความคุ้มครองตัวชี้วัดสามขั้นตอนวิธีการจ้างงานจะแสดงใน
ตารางที่ 9 มันแสดงให้เห็นว่าการแก้ปัญหาส่วนใหญ่วางมากกว่า PF สร้างโดย
Moga ถูกครอบงำโดยการแก้ปัญหาที่พบโดย DMOPSO สำหรับ
ตัวอย่างเช่น 51% ของการแก้ปัญหามากกว่า PF ผลโดย Moga ถูกครอบงำ
โดยผลิต PF ของขั้นตอนวิธี DMOPSO ในขณะที่ 2.1% ของการแก้ปัญหาของ
ด้านหน้า DMOPSO Pareto ถูกครอบงำโดยโซลูชั่นของ Moga ใน
นอกจากนี้ 14% ของการแก้ปัญหา MOPSO areworse กว่าโซลูชั่นพบโดย
DMOPSO โดยสรุป MOPSO มีปัญหาในการบรรจบไม่มี
หน้า Pareto จริงขณะที่มันเป็นเรื่องยากที่จะครอบคลุมพื้นที่ขนาดใหญ่เมื่อเทียบกับ
การ DMOPSO ที่ได้รับผล PF โดย DMOPSO บ่งบอกถึง
ความสามารถของขั้นตอนวิธีนี้ในการจัดการกับความซับซ้อน multiobjective
ปัญหาการเพิ่มประสิทธิภาพ จึงสามารถสรุปได้ว่า
PF สร้างโดย DMOPSO เป็นสม่ำเสมอมากขึ้นและครอบคลุมพื้นที่ขนาดใหญ่
กว่าสองขั้นตอนวิธีการที่มีงานอื่น ๆ