美国国家标准学会 使用Java的NSGA-II实现 该论文的原始作者： ， ， ， 原始内容的链接： 注意：NSGA-II算法的此实现完全参考原始发表的论文。 这不是在Java中转换最初实现的C代码的工作。 在编写此实现时，未引用作者的原始C代码。 依赖关系：Java（> = 1.8），JFreeChart（1.5.0），JCommon（1.0.24） 重要 3.1.0版带来了许多附加功能，修复了一些错误并带来了一些重大更改。 虽然建议使用最新版本（3.1.0）并为现有项目更新依赖项，但请记住有关重大更改的信息，如果无法这样做，请打开一个问题。 请注意： 这是算法实现的v3 。

对于多目标优化问题，通常存在一个解集，因此将介绍 NSGA-Ⅱ 算法的 Matlab 编写（有详细注释），包括有对应论文来指导学习该算法。

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。 此为MATLAB代码，可以完美运行无错误，需要的朋友可以下载，已附上文章可供参考学习。

非支配排序遗传算法 快速多目标遗传算法 NSGA II

针对在传统飞行控制系统控制器参数整定问题中单目标优化不能同时满足多个控制指标要求的缺点，提出了一种基于改进的NSGA-II算法的多目标进化算法。在改进的NSGA-II算法中，提出了改进的精英保留策略增强算法收敛性；同时，使用改进的自适应模拟二进制（ASBX）算子提高算法效率，提出了使用改进的基于混沌序列的变异算子避免算法陷入局部最优解,以提高算法搜索精度。将改进的算法应用于飞机飞行控制系统设计中。仿真结果表明，该进化算法能够快速有效地进行飞行控制系统参数整定。

多目标遗传算法NSGAII，采用快速非裂解排序、精英保留和拥挤度计算选择，使用实数编码

本资源可以用于多个目标函数以及多个变量，例如三目标三变量

NSGAⅡ算法

该代码利用 NSGA_II算法求解 算法求解算法求解ZDT问题和DTLZ问题，是研究生自然计算课程的第二次作业，其中还包含ZDT问题和DTLZ问题的真实前端

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.