In [16], a performance comparison o

In [16], a performance comparison of two Multi-Objective Evolutionary Algorithms (MOEA), namely the Non-dominated Sorting based Genetic Algorithm-II (NSGA-II) and the Multi-Objective Differential Evolution (MODE) algorithm, is presented. MOEAs are used to find optimal routes between a source and a destination nodes taking into account conflicting objectives, like dissipated energy and end-to-end delay in a fully connected wireless network. Since sensors can be deployed over a vast area, fully connected networks were not considered in this study.

結果 (繁體中文) 1:

[16] 中性能比較的兩個多目標進化演算法 （經濟部），即非支配排序遺傳演算法-II （NSGA-ⅱ） 和多目標微分進化 （模式） 演算法的基礎，提出了。越界用於查找源和目的地之間的最優路線節點考慮到衝突的目標，如消耗的能量和完全連接的無線網路中的端到端時延。由於感應器可以部署在廣大的地區，在這項研究沒有考慮完全連接的網路。

結果 (繁體中文) 2:

在[16]，兩個多目標進化算法（MOEA），即非支配排序基於遺傳算法-II（NSGA-II）和多目標差分進化（MODE）算法，提出了性能比較。多目標進化算法用於查找一個源，並考慮到衝突的目標，如耗散能量和端至端延遲在完全連接的無線網絡中的目的地節點之間的最優路由。由於傳感器可以部署在一個廣大的地區，全連接網絡並沒有在這項研究中考慮。

結果 (繁體中文) 3:

在[ 16 ]，一個多目標進化演算法的性能比較（MOEA），即基於非支配排序遺傳演算法II（NSGA-II）和多目標差分進化（模式）算灋，提出了。多目標進化演算法是用來尋找最佳路徑的源和目的節點的考慮之間的相互衝突的目標，如能量耗散和端到端的在一個完全連接的無線網路延遲。由於感測器可以部署在一個廣闊的領域，完全連接的網絡，在這項研究中沒有考慮。