NSGA2优化算法Matlab求解多目标优化问题，遗传算法优化+帕累托排序，有效地解决了多目标优化问题，算例可行有效。

针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法.首先,建立云计算的两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证.然后,提出基于遗传算法的最小能耗资源调度算法(minimum energy consumption based on genetic algorithm,MECGA),根据云任务的服务质量(quality of service,QoS)需求产生初始种群,以系统能耗最小为调度目标设计适应度函数,并根据染色体适应度的正态分布函数和种群的进化代数设计遗传算子.仿真结果表明,所提算法能够有效降低系统总能耗、缩短任务完成时间.

基于mopso的标准程序。内有详细代码介绍

云计算中虚拟机资源调度多目标优化

本资源可以用于多个目标函数以及多个变量，例如三目标三变量

NSGA-Ⅱ算法是 Srinivas 和 Deb 于 2000 年在 NSGA 的基础上提出的，它比 NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径 shareQ，并在快速排序后的同级比较中作为胜出标准，使准 Pareto 域中的个体能扩展到整个 Pareto 域，并均匀分布，保持了种群的多样性；引入了精英策略，扩大了采样空间，防止最佳个体的丢失，提高了算法的运算速度和鲁棒性。

Matlab编程，用于计算作业车间中的最大完工时间、总延期、设备总负载、能耗总量多个目标的优化计算，基于NSGA2进行作业车间多目标优化调度的计算

PlatEMO是基于MATLAB的多目标优化算法平台，内涵多种遗传算法和进化算法，其中PlatEMO v1.5 可以调用图形界面，算法较为齐全并且最新的。 将此代码包解压，复制到PlatEMO的Algorithms文件夹里面，就可以在PlatEMO的里调用MOEA/D-M2M。

低比转速离心泵叶轮多目标优化设计.rar

内容全面，方便调试，代码清晰，易于理解，本人已经用过，可信任