NSGA-Ⅱ算法大量测试函数实验结果展示

NSGA-II 调度问题求解matlab程序

2002 Deb提出的NSGA-II

BP预测模型作为NSGA-II 的适应度函数，Matlab参考代码

多目标遗传算法工具箱，里面有相关的代码，可用于优化代理模型寻优，分享出来

针对第三代非支配排序遗传算法（non-dominated sorting genetic algorithm-Ⅲ，NSGA-Ⅲ）在处理高维多目标函数时存在收敛精度低和搜索性能差等问题，提出一种自适应多种群NSGA-Ⅲ算法。首先将传统算法的单一种群划分成四个亚种群，并为每个亚种群分配不同的交叉算子；其次提出外部最优解集（external optimal solution set，EXS）的概念，通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小；最后利用局部搜索策略提高EXS的局部搜索性能。采用四个不同的测试函数，与七种对比算法进行仿真验证，结果表明在处理高维多目标优化问题时，提出算法的性能指标整体优于其他对比算法，能够获得较好的算法收敛性和种群多样性。

为了提高能源综合利用效率与分布式可再生能源就地消纳能力，结合能源互联网建设过程中自动需求响应系统的应用趋势，构建了基于自动需求响应和储能的综合能源系统多目标协同优化运行模型，并提出了基于Tent映射混沌优化的NSGA-Ⅱ多目标函数求解算法。将所提模型及求解算法应用于我国某典型园区综合能源系统的实际算例中，结果表明：Tent映射混沌优化NSGA-Ⅱ算法求解此类问题具有可行性；考虑自动需求响应和储能作用的综合能源系统相较于其他3种情景具有显著经济、技术和环境效益，促进了新能源并网消纳。

相对于NSGA而言，NSGA—II具有以下优点：1)提出新的基于分级 的快速非胜出排序算法，将计算复杂度由 降到 ，其中： 表示目标函数的数目， 表示种群中个体的数目；2)为了标定分级快速非胜出排序后同级中不同元素的适值，也为使准 域中的元素能扩展到整个 域，并尽可能均匀遍布，文献[7]提出了拥挤距离的概念，采用拥挤距离比较算子代替需要计算复杂的共享参数的适值共享方法；3)引入了保优机制，扩大了采样空间，经选择后参加繁殖的个体所产生的后代同其父代个体共同竞争来产生下一代种群，因此有利于保持优良的个体，迅速提高种群的整体水平

NSGA (No n- Do mina te d So r ting in Ge ne tic Alg o r ithms [5 ]) is a p o pula r no n-do mina tio n ba s e d g e ne tic a lg o r ithm fo r multi- o b je c tive o ptimiz a tio n. I t is a ve r y e ffe c tive a lg o r ithm but ha s b e e n g e ne r a lly c r itic iz e d fo r its c o mputa tio na l c o m-ple x ity, la ck o f e litis m a nd fo r cho o s ing the o ptima l pa r a mete r va lue fo r s ha r ing pa r a me te r σsh ar e . A mo difie d ve r s io n, NSGA- I I ( [3 ]) wa s de ve lo p e d, w hich ha s a b e tte r s o r ting a lg o r ithm , inc o r p o r a te s e litis m a nd no s ha r ing pa r a me te r ne e ds to b e cho s e n a priori. NSGA- I I is dis c us s e d in de ta il in this r e p o r t a nd two s a mple te s t func tio ns a r e o ptimiz e d us ing it.

NSGA-II完整matlab项目，含ZDT1~6真实数据txt，见本人博客