The Strength Pareto Evolutionary Al

The Strength Pareto Evolutionary Algorithm (SPEA) [9] is an
elitist Multi-Objective Evolutionary Algorithm (MOEA) since it
ensures that good solutions found in early runs are only replaced
if better solutions are discovered. The algorithm achieves it by
maintaining an external population P¯l consisting of a fixed number
of non-dominated solutions found before the beginning of the
simulation. If new non-dominated solutions are found during the
simulation, they are compared with the existing external population
and the resulting non-dominated solutions are stored. The
external population participates in the genetic operators with the
current population expecting to influence the population towards
good regions of the search space. Below one iteration of the algorithm
step-by-step is described [9]. Initially, a population P0 of
size N is randomly created, and the external population P¯0 with
maximum capacity of N¯ is empty. In generation t,

結果 (繁體中文) 1:

強度帕累托進化演算法 （說） [9] 是精英多目標進化演算法 （經濟部） 因為它確保在早期運行中找到好的解決辦法只替換如果發現更好的解決方案。該演算法實現了它的維護外來人口 P¯l 組成的一個固定的數位在開始之前發現的非支配解的模擬。如果在發現新的非支配解模擬，他們與現有外來人口比較而由此產生的非支配解存儲。的外來人口參與遺傳運算元與當前人口預計對人口的影響好區域的搜索空間。下一次反覆運算的演算法一步一步是描述 [9]。最初，P0 的人口隨機創建大小為 N，和外來人口 P¯0 與最大容量為 N¯ 是空的。在一代 t

結果 (繁體中文) 2:

強度帕累托進化算法（SPEA）[9]是一個
精英的多目標進化算法（MOEA），因為它
保證了在運行初期發現好的解決辦法只能更換
，如果更好的解決方案被發現。該算法通過實現它
保持外部人口PL由固定數目
的開始之前發現的非支配解的
模擬。如果過程中發現的新的非支配解
的仿真，它們與現有的外部人群相比
，將所得的非支配解被存儲。在
外部參與人口與遺傳運營商
目前的人口預期影響對人口
的搜索空間的良好區域。下面的算法的一個迭代
步驟一步描述[9]。最初，人口P0
大小N是隨機生成的，而外部人口與P0
為n的最大容量為空。在t代，

結果 (繁體中文) 3:

强度帕累托進化演算法（SPEA）[ 9 ]是一個精英的多目標進化演算法（MOEA）因為它確保早期運行中發現的好的解決方案只被替換如果發現更好的解決方案。該算灋實現它維護外來人口P¯L組成的一個固定數量非主導的解決方案，在開始之前類比。如果新的非主導的解決方案在模擬，它們與現有的外部人口相比以及由此產生的非支配解存儲。這個外來人口參與遺傳運算元當前人口期望對人口的影響蒐索空間的好區域。下麵一個反覆運算的算灋一步一步的描述[ 9 ]。最初，一個人口P0大小是隨機生成的，和外來人口¯0 P最大容量的N¯是空的。在代中，