两个NSGA_II的Matlab代码，其中一个和原论文算法基本相同，另一个对算法使用算子进行了改进。在相同迭代次数前提下，后者相较前者运行速度更快，收敛性更好。是文章【https://blog.csdn.net/qq_43472569/article/details/121082682】的资源。

混合NSGA-Ⅱ算法求解多目标柔性作业车间调度问题_NSGA调度_NSGA_NSGA-Ⅱ_柔性车间_柔性车间调度.zip

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。

考虑综合能源系统实际情况，提出了一种基于改进非支配排序遗传算法(NSGA-Ⅱ)的综合能源多主体利益均衡优化调度方法。将综合能源系统分为三大主体，分别为综合能源服务商、可再生能源拥有者以及用户，引入综合需求响应、储能、储热等能量枢纽技术的数学模型，并结合电动汽车响应模型，从多主体利益均衡角度出发构造了综合能源多主体优化调度模型。以主体间利益均衡为目标，采用基于超平面投影的非支配排序遗传算法对模型进行求解，得到最优Pareto前沿，并利用逼近理想解法寻得各机组最优出力分布，通过仿真对比说明了所提模型的有效性与实用性。

同轴送粉激光熔覆工艺的稳定性受诸多因素的影响,其工艺参数难以寻优。通过设计以工艺参数(激光功率、送粉速度、扫描速度)为输入、以反映熔覆层形貌和质量的特征参数为响应的中心复合实验,对比分析了响应曲面法的回归模型与神经网络对单道熔覆结果的预测效果。采用多目标优化算法NSGA-II对三个工艺参数进行优化求解。结果表明:采用优化后的参数进行激光熔覆的修复件表面硬度增大了17.11%,基体热影响区深度减小了13.90%,熔覆效率增大了6.10%。

提出基于改进的非支配排序遗传算法(NSGA-Ⅱ)的社区电动汽车充电站优化充电策略。首先，以电动汽车充电容量和配电变压器容量限制为约束条件，构建以单位电量充电费用最少、电网侧负荷方差最小为目标的电动汽车充电站多目标充电模型；然后，针对传统NSGA-Ⅱ存在的难以生成满足约束条件的初始种群、Pareto解集分布不均和最优解性能不高的缺点，提出改进初始种群生成和拥挤度比较算子相结合的NSGA-Ⅱ对模型进行求解，并采用基于信息熵的序数偏好法从最终Pareto解集中选择最优折中充电方案；最后，通过算例仿真验证了所提算法的有效性，表明改进NSGA-Ⅱ能在较大程度上提高电网侧的负荷水平和用户的充电性价比。

对于多目标优化问题，通常存在一个解集，因此将介绍 NSGA-Ⅱ 算法的 Matlab 编写（有详细注释），包括有对应论文来指导学习该算法。

NSGAⅡ算法

Matlab编写多目标优化算法NSGA-Ⅱ

多目标优化算法NSGAⅡ MATLAB代码及详细注释