python代码随处可见，利用python进行相关的操作和实现时每一个python入门者必不可少的内容，这里利用python 的相关知识，简单的进行了实验，希望对大家有所帮助

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。NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改进而来，其改进主要是针对如上所述的三个方面： ①提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，从而保留了最为优秀的所有个体； ②引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度； ③采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。

这是云庆夏写的一本关于进化算法的书，当初做毕业设计的时候，也是老师推荐的，真的是一本不错的书哦！

ECM3412自然启发式计算-进化算法 这是使用二进制锦标赛，最弱替换，M基因突变和单点交叉来解决装箱问题的稳态进化算法的实现。 入门 首先，建议您创建一个虚拟Python环境。 输入命令python -m venv .venv完成此操作。 然后，我们想通过命令.venv\scripts\activate.bat 。 最后，我们要获取该项目的需求。 pip install -r requirements.txt 。 main.py文件将执行许多试验，并打印一批结果。 使用jupyter notebook notebook.ipynb打开的jupyter notebook notebook.ipynb将把结果输出为LaTeX表。 通过使用from evolution import evolve_bin_packing_solution可以使用evolution模块。

里面有个英文手册，我自己测试过，可以使用。 翻译手册里的步骤如下： 1.解压缩后，文件夹MOEA_SPEA2_MATLAB里面会有个source文件夹，再把source里的文件都拷贝到根目录。 2.将MOEA_SPEA2_MATLAB放在MATLAB的toolbox文件夹下，打开MATLAB，然后set path，之后将current directory定位到：D:\MATLAB7\toolbox\MOEA_SPEA2_MATLAB(这是我的存放地点) 3.首先运行build_spea2.m产生spea2.dll，这样就可以使用SPEA2算法啦 4.打开demo_moea.m，运行一下Demo看看，成功的话就说明可以放心使用这个算法了。 5.实验自己的用例：demo_funct.m里的函数更改成自己的就可以。

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题。算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性。

为了提升含光伏并网的配电网中光伏的消纳率，提出一种基于配电网动态重构的新型分布式光伏消纳策略。综合考虑各时段负荷需求变化、分布式光伏出力不确定性和开关切换次数等因素，建立以光伏消纳比最大化和开关切换次数最少化为优化目标的配电网多目标优化重构模型。根据矩形公式与光伏出力特点，提出最短置信区间快速求解法，该方法能够快速计算任意置信水平的Beta分布最短置信区间，解决光伏出力误差区间估计不准确的问题。设计一种新型的多目标指数微分进化算法对模型进行求解，该算法将指数函数既是凹函数又是减函数的特性引入微分进化算法，达到兼顾个体多样性和收敛速度的效果。以分布式光伏接入IEEE 33节点系统为例，验证了所提策略的有效性。

目标进化算法源代码,懂的人来下吧...呵呵....

标准EP算法实现，求f(x, y) = x * x + y * y 最小值

mea的算法示例 matlab编写的程序 有个适应度子程序自己编写就行