GODLIKE (Global Optimum Determination by Linking and Interchanging Kindred Evaluators) 是各种基于种群的全局优化方案的泛化。此外，它只需添加额外的目标函数即可处理单目标和多目标优化。 GODLIKE 使用遗传算法、差分进化、粒子群优化和自适应模拟退火算法的相对基本实现来解决优化问题。它的强大之处在于这些不同的算法同时运行（链接），并且来自每个群体的成员偶尔会交换（交换）以减少收敛到局部最小化器的机会。 它的主要目的是提高鲁棒性，而不是提高效率，因为它通常需要比单独的任何算法更多的功能评估。它还旨在消除每次遇到优化问题时都需要微调这些算法，并概括优化本身（它既是单目标优化器又是多目标优化器），并生成要使用的简单图在快速报告等

MOAGDE：一种新的多/多目标优化算法 风能/光伏/潮汐能多目标自适应引导差分演化与MO-ACOPF优化 本研究提出了多目标自适应引导差分进化（MOAGDE）作为一种强大而稳定的算法。MOAGDE 可以有效地找到具有不同类型的高复杂度决策/目标空间的多目标优化问题的帕累托最优解。提出的 MOAGDE 是通过重新设计用于多目标优化的自适应引导差分进化算法而开发的。 Duman, S., Akbel, M., Kahraman, HT，“风能/光伏/潮汐能源的多目标自适应引导差分演化和 MO-ACOPF 优化”，应用软计算，Elsevier BV，8 月. 2021, p. 107814，doi：10.1016/j.asoc.2021.107814。

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案。设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证。实验结果表明:算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值。

代码主要实现了考虑电动汽车参与削峰填谷的场景下，电动汽车充放电策略的优化，是一个多目标优化，目标函数一方面考虑了电动汽车综合负荷以及电池退化损耗成本，一方面考虑了削峰填谷的峰谷差和负荷波动最低，所以为三目标约束，最后通过赋权值以及化简将三目标问题化简为单目标问题进行求解，求解结果可以看出来电动汽车参与后，负荷曲线有明显改善，结果合理正确！仿真平台：MATLAB YALMIP+CPLEX

风电具有启动功率小、启动速度快的特点，安全、稳定地利用风电将有效加快电力系统恢复进程。考虑系统调频能力和机组爬坡能力约束，提出基于机会约束规划模型的风电参与黑启动最佳接入量评估方法，并对风电接入时机进行评估。为了有效发挥风电的作用，提出考虑风电参与黑启动方案的优化方法，对风电接入和负荷恢复进行分时步协调优化，制定出风电参与的最优黑启动方案。以含风电的IEEE 39节点系统为算例验证所提方法的可行性和有效性。

多目标优化学习NSGA-II笔记

有关更多信息，请参见以下链接： http://yarpiz.com/59/ypea121-mopso

面向微服务实例在不同资源中心的组合部署与调度问题,构建微服务组合部署与调度最优化问题模型。以资源服务中心计算及存储资源利用率、负载均衡率和微服务实际使用率等为优化目标,以服务的完备性、资源与存储资源总量和微服务序列总量为约束条件,提出基于进化多目标优化算法(NSGA-Ⅲ, MOEA/D)求解方法,寻求微服务序列在不同资源中心的实例组合部署与调度策略。通过真实数据集实验对比,在全部满足用户服务请求的约束下,该策略比传统微服务组合调度策略的计算、存储资源平均空闲率和微服务实际空闲率要分别低13.21%、5.2%和16.67%。

一本有关多目标优化的优秀教材。讲解非常的不错。

matlab开发-利用进化算法进行多目标优化。基于进化算法NSGA-II的多目标优化实例