有关更多信息，请参阅以下链接： http://yarpiz.com/95/ypea124-moead

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。

计算能力和资源受限的移动设备可将待处理的密集型任务卸载到云端执行，从而增强移动设备的计算能力并减少电池能源消耗（EC）。然而，现有研究在卸载任务时不能较好地均衡移动端的应用完成时间（FT）和EC。提出了基于分解的多目标进化算法（MOEA/D）来同时优化应用 FT 和 EC，并将动态电压频率调整技术引入MOEA/D中，在不增加应用FT的前提下，调节移动设备的CPU时钟频率以进一步降低移动设备的EC。仿真结果表明，与多个算法相比，所提出的算法在多目标性能上更优。

多目标进化优化 郑金华 OCR版本可复制可搜索

ev-MOGA 多目标进化算法由瓦伦西亚理工大学的预测控制和启发式优化小组开发。 ev-MOGA 是一种基于 epsilon 优势概念的精英主义多目标进化算法。 ev-MOGA，试图以有限的内存资源以智能分布式方式获得帕累托前沿的良好近似。 它还动态调整帕累托前沿的限制。 有关 ev-MOGA 的详细信息在（请将此算法引用为）： [1] M. Martínez、JM Herrero、J. Sanchis、X. Blasco 和 S. García-Nieto。 通过随机求解器应用帕累托多目标优化。 人工智能的工程应用。 卷。 22 pp. 455 - 465, 2009 (ISSN:0952-1976)。 该算法也描述在： [2] JM Herrero、M. Martínez、J. Sanchis 和 X. Blasco。 使用 epsilon-MOGA 进化算法的均匀分布的帕累托前沿。

针对进化算法计算量大、局部搜索能力弱的不足，把一种数学试验方法一一 均匀设计用于构造进化算子，使新的进化算子具有相似于传统最优化算法的局部 搜索特性，提高了算法的搜索效率。对一组测试函数的数值实验表明新算法计算 量少收敛速度快。

MOEA-NSGA-II 多目标进化算法MATLAB程序 NSGA MATLAB程序

matlab开发-多目标进化算法的简单示例。1dof弹簧-质量-阻尼系统的多目标进化算法

matlab开发-多目标进化算法。该工具箱实现了EV MOGA多目标进化算法。

多目标进化优化的Tchebycheff分解方法