經由 4.1 節將資料編碼後，本章節使用四個目標參數，將比較 IMOGA 與NSGA2 演算法所求選取最少的 Tag SNPs 解集合；參數設定如表 5。目標 一：最小化Tag SNPs，目標二：Tag SNPs 容錯率最大化，目標三：Haplotype 的變異性最大化；目標四：Haplotype 的多樣性最小化。
表 5 IMOGA 與 NSGA2 參數設定
參數 值
編碼表示(Representation) 二進制編碼 (選或不選) 族群大小(Population size) 200
交配率(Crossover) Pc = 0.7
突變率(Mutation) Bit-flip 突變；Pm = 1/l
(其中 l 代表可用的 SNPs 個數) 終止條件(Termination) 500 次迭代
評估值(Evaluation) 25000
由圖15 得知目標一與目標二互不為衝突，當目標一求最少 Tag SNPs 解 集時，目標二Haplotype 樣式中 SNP 遺失資料也會增加，即計算最少 Tag SNPs 的容錯也會增加，所以這兩個目標示互不相衝突的。Tag SNPs 解集要望小，
Haplotype 樣式中 SNP 遺失資料容錯要望大。
圖 15 IMOGA 與 NSGA2 實驗比較，X 軸為目標一、Tag SNPs 個數，Y 軸為 目標二、Tag SNPs 容錯
圖 16 目標一與目標三互為衝突，當目標一求最少 Tag SNPs 解集時，
Haplotype 樣式之間過於相似時，無法識別出最佳的 Tag SNPs，所以這兩個 目標示互相衝突的。Tag SNPs 解集要望小，Haplotype 平均漢明距離要望大。
圖 16 IMOGA 與 NSGA2 實驗比較，X 軸為目標一、Tag SNPs 個數，Y 軸為 目標三、Haplotype 平均漢明距離
圖 17 目標一與目標四互為衝突，目標一求最少 Tag SNPs 解集時，
Haplotype 樣式上的 SNP 每個等位基因需平衡，如果每個等位基因變異性大，
無法識別出最佳的Tag SNPs，因此，Tag SNPs 解集要望小，Haplotype 變異 漢明距離要望小。最佳解集合會落在圖12 淡藍色區域。
圖 17 IMOGA 與 NSGA2 實驗比較，X 軸為目標一、Tag SNPs 個數，Y 軸為 目標四、Haplotype 變異漢明距離
圖18 目標二與目標三互為衝突，目標二為 Haplotype 樣式中 SNP 遺失資 料容錯，目標三Haplotype 樣式之間的 SNP 遺失的資料越大時，整的 Haplotype 樣式就會越複雜，計算上所需要的成本也就越大，所以SNP 能容錯的值愈大 時，則仍要考慮到 Haplotype 樣式中 SNP 彼此之間的的相似度。因此，SNP 容錯解集要望大，Haplotype 平均漢明距離要望大。
圖 18 IMOGA 與 NSGA2 實驗比較，X 軸為目標二、Tag SNPs 容錯，Y 軸為 目標三、Haplotype 平均漢明距離
圖19 目標二與目標四互為衝突，目標二為 Haplotype 樣式中 SNP 的容錯，
目標四Haplotype 樣式上的 SNP 每個等位基因需平衡，如果每個等位基因變 異性大，加上有SNP 資料遺失，會影響整個 Haplotype 樣式求 Tag SNPs 的最 佳解，所以SNP 能容錯的值愈大時，則仍要考慮到 Haplotype 樣式中 SNP 等 位基因之間的的平衡。因此，SNP 容錯解集要望大，Haplotype 變異漢明距離 要望小。
圖 19 IMOGA 與 NSGA2 實驗比較，X 軸為目標二、Tag SNPs 容錯，Y 軸為 目標四、Haplotype 變異漢明距離
目標三與目標四互為衝突，當目標三 Haplotype 樣式中的獲得相似 Tag SNPs 越多，則會無法找出 Tag SNPs 最佳解，加上每個 SNP 的等位基因相似 性要低，變異性要高，才能求得Tag SNPs 最佳解。其中，Haplotype 平均漢 明距離解集要望大，Haplotype 變異漢明距離要望小。
圖 20 IMOGA 與 NSGA2 實驗比較，X 軸為目標三、Haplotype 平均漢明距離，
Y 軸為目標四、Haplotype 變異漢明距離