多目標進化演算法解集的效能評價指標主要分為三個方面：
1）解集的收斂性評價(convergence performance, cp), 反映解集與真實pareto前沿之間的逼近程度
2）解集的均勻性評價(uniformity performance, up), 體現解集中個體分布的均勻程度
3）解集的廣泛性評價(spread performance, sp), 反映整個解集在目標空間中分布的廣泛程度
基於距離的moeas解集均勻性評價指標
schoot 提出的指標（spacing metric, sp）:
廣泛性評價方法
zitzler提出最大分散度（maximum spread）評價方法
李密青, 鄭金華. 一種多目標進化演算法解集分布廣度評價方法[j]. 計算機學報, 2011, 34(4):647-664.
多目標跟蹤演算法評價指標
單目標跟蹤演算法的評價指標不用我多說，因為其跟蹤情況較為簡單，已經有較為明確的判斷指標，但是一直以來，多目標跟蹤的評價指標都未統一，跟蹤演算法的 中也是用各種評價指標來分析自身的演算法，但是缺少與其它演算法的橫向比較，孰優孰劣不得而知。因為自己的畢業課題設計到這塊，需要找到一種相對來說大家用的較多的...
HyperVolume多目標評價指標概述
hypervolume 指標評價方法最早是由 zitzler 等提出，它表示由解集中的個體與參考點在目標空間中所圍成的超立方體的體積。hypervolume 指 標 評 價 方 法 是 一 種 與 pareto 一致 pareto compliant 的評價方法，也就是說如果乙個解集 s 優於另乙個...
多目標跟蹤的評價指標
對於多目標追蹤問題，我們認為乙個理想的評價指標應該滿足下述三點要求 1 所有出現的目標都要能夠及時找到 2 找到目標位置要盡可能可真實目標位置一致 3 保持追蹤一致性，避免跟蹤目標的跳變 標準clear mot測量，包括兩個評價標準 1 multi object tracking accuracy ...