根据第二代非支配排序遗传算法（NSGA Ⅱ）的不足之处，提出了一种新的多目标遗传算法——非支配排序均匀遗传算法（NSUGA）。新算法采用了多父本多点交叉方式，同时将均匀设计的思想用于算法的交叉操作；新算法还对拥挤距离的计算过程和算法的终止条件进行了改进。通过两个多目标优化测试函数的仿真计算对比，显示NSUGA算法在求解精度、计算效率和避免算法陷于局部最优解方面均优于NSGA II算法。

基于多目标灰色狼群算法的无功电压优化

针对目标函数系数和约束条件系数均在椭球扰动集下的不确定多目标线性规划, 提出了椭球扰动集下的鲁棒多目标线性规划问题。基于每个目标均需获得鲁棒解的假设下给出了定理及证明, 以此把原问题转换为具有二阶锥约束的确定性多目标优化问题。设计了一种混合策略求解算法, 整体流程采用多目标遗传算法, 局部采用SOCP优化软件Sedumi进行计算, 从而获得不确定多目标线性规划的鲁棒解集, 并通过数值算例验证了该算法的有效性。

基于机器视觉的害虫多目标定位与识别，沈驭风，周慧玲，基于机器视觉的储粮害虫种类识别能够为粮食保管人员对粮食进行害虫防治提供科学依据。本文基于一套储粮害虫诱捕装置与图像采集系

多目标检测、跟踪结果，详见我的博文“一种简单并行的轨迹关联算法”

【优化求解】基于蝗虫算法（MOGOA）求解多目标问题matlab源码.zip

针对多目标优化的可重构性指标分配问题,给出了一重和二重可重构性指标的计算方法。结合多目标优化特点和可重构性指标的定义建立了可重构性指标分配的多目标优化模型。在此基础上提出了一种多评价函数法,用于系统可重构性指标分配,该方法对相互冲突的多个目标建立不同的评价函数,通过在可行解内协调得到最优化结果,最后将其应用于串联系统进行仿真,并与线性加权和法的结果作比较,结果显示基于多评价函数的可重构性指标分配方法更具有效性。

GODLIKE (Global Optimum Determination by Linking and Interchange 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。 其强大之处在于，这些不同的算法同时运行（链接），并且每个种群的成员之间有时也会互换（互换），以减少收敛到局部极小值的机会。 它主要是为了提高鲁棒性，而不是效率，因为它通常需要比任何单独的算法更多的函数评估。 它还旨在消除每次遇到优化问题时对这些算法进行微调的需要，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中 基本示例： （单目标） % 扩展 Rosenbrock 函数罗森 =

公共自行车多目标动态调度建模与算法研究

非常好的多目标遗传算法代码和多目标粒子群算法代码，好好理解就可以