In terms of the multi-objective opt

In terms of the multi-objective optimization, two distinct goals should be considered: (1) solutions should be as close as possible to the POS and (2) solutions should be as diverse as possible in the obtained non-dominated set. In terms of the former goal, the set of non-dominated solutions presented were the best among all runs of the SPEA algorithm whose goal was to minimize both objectives (delay and ETX). Fig. 6 shows that solutions from scenario 2 are better distributed across the POS in comparison to those of scenario 1. Despite this, both sets of solutions satisfy the latter goal.

結果 (繁體中文) 1:

在多目標優化，應視為兩個不同的目標: （1） 解決辦法應儘量靠近 POS 和 （2） 解決辦法應盡可能在獲得非支配集多樣。在前的目標，提出了一種非劣解集的是說演算法，其目標是儘量減少這兩個目標 （延遲和 ETX） 的所有運行中最好的。圖 6 顯示了更好地將解決方案從場景 2 分佈相對於場景 1 POS。儘管這樣，這兩個組的解滿足後者的目標。

結果 (繁體中文) 2:

在多目標優化方面，兩個不同的目標，應考慮：（1）解決方案應該是盡可能接近到POS和（2）的解決方案應該是盡可能多樣在所得非支配集。在前者的目標方面，提出了一套非支配解的是該SPEA算法的目標是兩個目標（延遲和ETX）最小化的所有運行中最好的。圖。如圖6所示，從情景2的解決方案在整個POS相比，這些場景1.儘管這更好的分配，解決方案的兩套滿足後期目標。

結果 (繁體中文) 3:

在多目標優化方面，兩個不同的目標應考慮：（1）方案應儘量靠近POS和（2）的解決方案，應在獲得盡可能多的非支配集。在以前的目標上，非劣解了套都運行的SPEA算灋的目標是最小化目標之間的最佳（延遲和ETX）。圖6表明，方案2的解決方案是更好的分佈在POS中的方案1比較。儘管如此，這兩套解決方案滿足後者的目標。