27、MONEDA算法与疫情防控隔离策略的研究-CSDN博客

本文链接：https://blog.csdn.net/iii12/article/details/149519821

MONEDA算法与疫情防控隔离策略的研究

1. MONEDA算法的计算特性

在算法性能评估中，我们对不同算法和问题维度计算了指标值，并总结在表1中。从表中可以明显看出，在大多数情况下，尤其是在高维度问题中，MONEDA算法的表现优于其他算法。

算法	问题维度	指标值
MONEDA	高维度	优
其他算法	高维度	一般

为了进行实验，我们测量了优化过程中使用的浮点CPU操作数量。这样做的目的是在比较不同算法时，仅考虑优化所需的计算工作量，排除算法其他方面或计算环境的干扰。

图1总结了每个算法的平均迭代次数、模型构建过程中每次迭代的平均CPU操作数以及算法使用的平均总CPU操作数。

从这些测试中可以得出一个基本结论：MONEDA算法在计算复杂度方面具有更好的扩展性。这一系列的测量结果进一步证实了之前研究中得出的结论。因此，我们可以得出主要结论：MONEDA算法不仅在多目标优化问题（MOP）的求解质量方面具有优势，而且与类似方法相比，它能够以更低的计算成本实现这一目标。这一优势得益于其采用的快速模型构建算法。

表2总结了不同实验的平均运行时间。这些数据再次证实了前面得出的结论，同时也显示出实验的持续时间