本研究开发了一种多目标水母搜索 (MOJS) 算法，以优化具有多个目标的工程问题。 本研究开发了一种多目标水母搜索 (MOJS) 算法，以优化具有多个目标的工程问题。将 Lévy 飞行、精英人口、固定大小存档、混沌地图和基于对立的跳跃方法集成到 MOJS 中以获得帕累托最优解。这些技术用于定义水母在洋流或多目标搜索空间中的群的运动。 Chou、Jui-Sheng 和 Dinh-Nhat Truong。“受水母行为启发的多目标优化解决结构设计问题。” 混沌、孤子和分形，卷。135，Elsevier BV，2020 年 6 月，p. 109738，doi：10.1016/j.chaos.2020.109738。

有关更多信息，请参见以下链接： http://yarpiz.com/59/ypea121-mopso

此提交包括多目标优化算法 (MOA) 的多目标版本的源代码，称为多目标多节优化算法 (MOMVO)。 . 主要论文是： S. Mirjalili、P. Jangir、SZ Mirjalili、S. Saremi 和 IN Trivedi，使用多节优化算法优化多目标问题，知识型系统，2017 年，DOI： http://dx.doi。 org/10.1016/j.knosys.2017.07.018 如果您无法访问该论文，请给我发送电子邮件至 ali.mirjalili@gmail.com，我会将论文发送给您。 所有源代码和额外信息以及更多优化技术都可以在我的个人网站http://www.alimirjalili.com 上找到 MVO的源代码可以在这里下载： https : //au.mathworks.com/matlabcentral/fileexchange/50112-mult

二维遗传算法matlab代码 multi-objective-optimization-NSGA2 multi-objective optimization NSGA2 A_SGA_QGA_master_0610 A_SGA_TSP A_SGA_with_quantum_0620文件夹 （5）QGA.py 原始的量子遗传算法； （6）QGA_numpy.py 经Numpy改造的量子遗传算法； （7）QGA_numpy_elite.py 经Numpy改造，并加入elite机制的量子遗传算法； （8）QGA_numpy_elite_comprason.py 经Numpy改造，并加入elite机制的量子遗传算法与普通遗传算法的对比； B_MOO_MOEAD0709 参考代码； B_MOO_NSGA2_0710 这是晓风提供的代码，根据MoeaPlat的MATLAB代码改写的Python，这个代码存在问题是运行效率慢。 B_MOO_NSGA2_0817未完成改造 无效代码 B_MOO_NSGA3_0810_PS PS-MOOPS-SL求解，行路径规划，初始化等相关的代码； 基于老的数据结构的方

Fuzzy Multi-objective Optimized with Efficient Energy and Time-varying Price for EV Charging System

Multi-Objective Particle Swarm Optimization (MOPSO)多目标的粒子群算法，包括完整的matlab程序以及实验结果。

这是最近提出的 DA 算法的多目标版本。 DA算法的主要灵感来源于自然界中蜻蜓的静态和动态集群行为。 优化、探索和开发的两个基本阶段是通过模拟蜻蜓在导航、寻找食物和避开敌人时动态或统计地聚集时的社交互动而设计的。 这是论文的源代码： Seyedali Mirjalili，“蜻蜓算法：解决单目标、离散和多目标问题的新元启发式优化技术”，神经计算与应用，印刷中，2015 年，DOI： http : //dx.doi.org /10.1007/s00521-015-1920-1 链接： http : //link.springer.com/article/10.1007/s00521-015-1920-1 如果您无法访问该论文，请给我发送电子邮件至 ali.mirjalili@gmail.com，我会将论文发送给您。 更多信息请见： http : //www.alimirjalili.

此提交包括最近提出的 Ant Lion Optimizer (ALO) 多目标版本的源代码，称为 Multi-Objective Ant Lion Optimizer (MOALO)。 首先使用存储库来存储到目前为止获得的非支配的Pareto最优解。 然后使用轮盘机制从这个存储库中选择解决方案，该机制基于解决方案的覆盖范围作为蚂蚁，引导蚂蚁进入多目标搜索空间的有希望的区域。 主要论文是： S. Mirjalili、P. Jangir 和 S. Saremi，多目标蚂蚁狮子优化器：解决工程问题的多目标优化算法。”应用智能，（2016 年）：1-17，DOI： http://dx .doi.org/10.1007/s10489-016-0825-8 单目标 ALO 源代码可以在这里找到： http://au.mathworks.com/matlabcentral/fileexchange/

此演示代码使用 Bat 算法和加权求和方法解决双目标函数优化问题。 该程序可以扩展以解决任何多个目标。

针对NSGA-II算法在模拟二元交叉算子（SBX）算子，收敛速度和分集性能方面的不足，将反向学习机制（RLM）应用于初始化和进化过程。通过一系列的ZDT测试函数在收敛性和多样性评估两个方面，表明改进的NSGA-II算法在收敛速度，收敛性和多样性方面都优于NSGA-II算法。