数据集概述
本数据集为论文《Computational Study on Effectiveness of Knowledge Transfer in Dynamic Multi-objective Optimization》的实验输出数据，聚焦动态多目标优化中知识迁移的有效性计算研究，通过实验验证知识迁移的计算成本对优化效率的影响，包含1个Excel文件。
文件详解
- 文件名称：Output Data for WCCI 2020 ESR7 Gan Ruan.xlsx
- 文件格式：XLSX
- 字段映射介绍：为论文实验对应的输出数据，推测包含动态多目标优化问题的实验参数、知识迁移计算时间、优化性能指标（如收敛性、多样性）等关键实验结果字段。
数据来源
论文“Computational Study on Effectiveness of Knowledge Transfer in Dynamic Multi-objective Optimization”（2020 IEEE Congress on Evolutionary Computation）
适用场景
- 动态多目标优化算法研究：用于分析知识迁移在动态多目标优化问题中的有效性及计算成本影响。
- 迁移学习效率评估：验证迁移学习引入的“内部”优化问题对整体计算效率的作用机制。
- 优化算法性能对比：对比不同知识迁移替代方案在动态双目标、三目标测试问题上的效率与性能。
- 计算成本优化研究：为动态多目标优化中知识迁移的计算成本控制提供实验数据支持。
