%初始化参数 popnum=200; gen=600; xmin=0;%变量取值范围 xmax=1; m=2;%目标函数个数 n=30;%决策变量数目 hc=20;%交叉变异参数 hm=20; %产生初始种群 initpop=rand(popnum,n)*(xmax-xmin)+xmin; init_value_pop=value_objective(initpop,m,n); %画图显示初始图 plot(init_value_pop(:,n+1),init_value_pop(:,n+m),'B+')

混合 NSGAII-MOPSO 算法（matlab）（Hybrid NSGAII-MOPSO Algorithm） 本研究工作提出了一种协同混合元启发式算法，结合了非支配排序遗传算法II和多目标粒子群优化算法，用于求解多目标测试函数。在迭代过程中，根据排名，人口被分成两半。探索是通过非支配排序遗传算法II使用人口的上半部分进行的。通过增加个人学习系数、降低全局学习系数和使用自适应变异算子来修改多目标粒子群优化以有效利用下半部分人口。所提出的具有有效约束处理机制的混合算法通过有效的信息交换增强了搜索能力。该算法适用于标准测试功能。混合算法可以得到一个分布良好且多样化的帕累托最优解，并且比现有的一些算法更快地收敛到实际的帕累托最优前沿。

基于jMetal4.0 的 NSGA II 遗传算法 java源代码

多目标遗传优化算法NSGAII求解微电网调度(Python&Matlab)

基于NSGA-II的有约束限制的优化问题实例matlab编程代码

分为水电大发和枯期两种场景 结果有变压器容量变比，目标函数为有功和无功网损节点电压偏差以及变比偏差度。

【车间调度】基于nsgaII算法求解车间调度matlab源码.zip

使用python编写程序，在 VS code中运行。源代码文件夹中包含两个子文件夹example，nsga2；example文件夹中包含ZDT1,ZDT2,ZDT3三个.py文件，运行这三个文件得到三个测试函数的实现结果。nsga2文件夹中的individual.py文件是定义了一个个体类；population.py定义了一个种群类；utils.py定义了快速非支配排序算法，拥挤度排序，以及种群的交叉变异；problem.py定义了个体的产生和目标函数值的产生；evolution.py定义了种群的进化。 参数设置： 目标函数：2 种群数：100 代数：1000 交叉分布指数：2 变异分布指数：5

MATLAB实现NSGAII算法，互相学习一下

NAG-II遗传算法代码，C++编程外加个人理解的注释，非常适合新手学习，欢迎大家一期交流。