实验结果与可视化分析

在 EvoX 的多目标仓库机器人寻路实验中，“跑出过一次好看的解”并不等于优化真实推进。要判断一次运行是否可信，必须同时拿到两类证据：一类描述搜索过程（各目标随迭代代数的收敛曲线），另一类描述最终方案（固定仓库布局下的路线可视化与指标表）。曲线只回答“搜索有没有在动”，路线与指标才回答“结果能不能用”。

一、先读收敛曲线：搜索过程在发生什么

把每个目标值按迭代代数画成曲线，观察的是趋势而不是某一个点的数值。工程中常见的四种形态需要被明确区分：

• 持续改进：曲线在前中期稳定下降（或综合指标稳定上升），说明种群仍在有效搜索，交叉与变异持续产生更好的候选解。
• 震荡：曲线上下波动但没有明确的长期走向，通常来自评价噪声、约束冲突或多样性过大，需检查评价函数与参数设置。
• 停滞：曲线在一段区间内几乎水平，但仍可能在后续代中再次改进，属于“暂时失去改进方向”。
• 早熟收敛：很早就彻底平掉且再没有恢复，多数是种群多样性丧失或解空间被过早压缩。

二、再看固定仓库布局下的最终路线

把演化得到的最优路线与对比路线叠加到同一张固定仓库地图上，检查三件事：路径是否真实可达、绕障是否合理、贴近终点的最后一段是否稳定。固定布局是关键约束——只有环境不变，不同运行、不同参数之间的路线差异才能归因于优化本身，而不是地图变了。

三、用完整实验数据支撑结论

可复现才算结论。请保存并核对：运行配置与随机种子、迭代日志、各目标随代数的数值、最终路线与评价结果。必要时通过复跑或交叉检查确认同一结论是否稳定成立。若曲线后期不再明显改进，应结合完整日志判断究竟是早熟收敛、评价饱和，还是已经接近可用解；不要仅凭一张截图下判断。