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。

粒子群算法在多目标优化问题中的应用，基于软件MATLAB实现

粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码

Isight参数化理论与实例详解，实现跨学科多目标优化

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。

粒子群多目标优化算法，求解帕累托最优解，实现多目标优化，代码中包含案例，可运行

为降低建筑楼宇的能源消耗,研究建筑集群中的多个建筑楼宇共享冷热电联供系统、热能存储装置以及电池时的能源调度优化问题.考虑到建筑楼宇的能源需求和能源价格具有随机性,并且每个建筑楼宇以各自的费用最小化为目标,从随机规划和多目标的角度,建立建筑集群供能系统的两阶段多目标随机规划模型.为了提高模型的求解效率,提出将线性规划松弛与Benders分解算法相结合,从而获得建筑楼宇共享能源系统的Pareto最优解集.算例分析中通过CPLEX软件求解,对比分析不同随机因素对最优化建筑集群供能系统总费用以及建筑楼宇各自费用的影响程度,结果表明了所提出算法的有效性以及所构建的模型可以有效提高最优化决策的准确性.

进化多目标优化平台 由安徽大学BIMK（生物启发情报与挖掘知识研究所）和萨里大学NICE（自然启发计算与工程小组）共同开发 150多种开源进化算法 300多个开源基准测试问题 强大的GUI可并行执行实验 一键式生成Excel或LaTeX表格式的结果 最先进的算法将不断被包括在内 非常感谢您使用PlatEMO。 PlatEMO的版权属于BIMK集团。 该工具主要用于研究和教育目的。 这些代码是根据我们对论文中发布的算法的理解而实现的。 您不应以网站上的材料或信息为依据来做出任何业务，法律或任何其他决定。 我们对您在工具中使用任何算法所造成的任何后果不承担任何责任。 使用该平台的所有出版物都应承认使用“ PlatEMO”并参考以下文献： 版权 PlatEMO的版权属于BIMK组。 您可以自由地用于研究目的。 使用此平台或平台中任何代码的所有出版物都应承认使用“ PlatEMO”，并引用“田野

一、遗传算法概述 二、多目标优化问题 三、实例1——Rosenbrock函数最值问题 四、实例2——智能组卷问题

基于PSO的多目标优化问题