这个简化的Matlab演示代码展示了如何使用新的Mayfly算法来解决多目标优化问题。

多目标优化与决策的基本方法 基于Matlab的一种现代方法

博客代码

用matlab编写的nsga_II算法，经过测试。

基于免疫系统中克隆选择原理，提出了一种多目标克隆选择算法MCSA。该方法只对部分当前所得到的Pareto最优解进行进化操作，所求得的Pareto最优解保留在一个不断更新的外部记忆库中，并选用一种简单的多样性保存机制来保证其具有良好的分布特征。实验结果表明,该方法能够很快地收敛到Pareto最优前沿面，同时较好地保持解的多样性和分布的均匀性。对于公认的多目标benchmark问题,MCSA在解集分布的均匀性、多样性与解的精确性及算法收敛速度等方面均优于SPEA、NSGAII等算法。

投资组合问题主要研究如何将有限的资金合理地分配到不同的金融资产中,以实现收益最大化与风险最小化之间的均衡.然而,证券市场往往具有很强的不确定性,投资者对于证券的期望收益率和风险损失率难以用精确数值描述,区间规划则是处理这类不确定性问题的有力工具.鉴于此,首先基于区间多目标规划建立一个以预期收益率、风险损失率和流动性为目标函数的多期投资组合选择模型;然后通过设计一个定向变异算子,改进基于偏好多面体的交互式遗传算法,并将上述算法的运算机制与所建模型的多期特性相结合以求解模型;最后在不确定交互进化优化系统上进行实证分析.实验结果表明,所提出算法能够根据投资者的不同需要得到相应最满意的多期资产组合.

matlab开发-同时特征选择和权重解决方案多目标优化方法。一种增强分类器性能的特征选择和加权算法。

局部放电 多目标优化中的多样性评估 王Handing，金耀初，姚鑫，《多目标优化中的多样性评估》，《 IEEE控制论学报》，第47卷，第6期，第1510-1522页，2017年。

应急物流物资调度及运输方法的研究，徐任飞，王红熳，应急物资的合理调度运输，是应急物流的关键问题。本文对应急物资调度及运输问题进行研究，首次提出并建立了以时间最短、成本最低

多任务学习作为多目标优化 该代码存储库包含的源代码： Multi-Task Learning as Multi-Objective Optimization Ozan Sener, Vladlen Koltun Neural Information Processing Systems (NeurIPS) 2018 实验框架基于PyTorch。 但是，所提出的算法（MGDA_UB）在很大程度上是Numpy的，没有其他要求。 因此，将其扩展到其他深度学习框架应该是微不足道的。 PyTorch版本在min_norm_solvers.py实现，仅使用Numpy的通用版本在min_norm_solvers.py文件中min_norm_solvers_numpy.py 。 此回购所包含的内容不只是本文的实现。 它同时采用了Frank-Wolfe和投影梯度下降法。 它还具有智能的初始化和梯度归一化