多目标 Grasshopper 优化算法 (MOGOA).zip MOGOA：多目标蚱蜢优化算法（matlab） 本次提交包括称为多目标 Grasshopper 优化算法 (MOGOA) 的 Grasshopper 优化算法 (GOA) 的多目标版本的源代码。 这是论文的源代码： SZ Mirjalili, S. Mirjalili, S. Saremi, H. Fatis, H. Aljarah, Grasshopper optimization algorithm for multi-objective optimization questions, Applied Intelligence, 2017, DOI: http://dx.doi.org/10.1007/s10489-017-1019-8

Matlab程序实现了一种有效的多目标多版本优化算法，以解决复杂的组合经济排放调度问题。 解决这些问题可以经济地运行电力系统并减少化石燃料燃烧污染物对环境的影响发电厂。 还提出了一种有效的约束处理机制，以使总体保持在范围之内。 该算法适用于IEEE测试系统。 通过该算法获得的帕累托最优解是分布广泛的解。 主文件是MOMV3bus.m

1、MOEA/D-FD是一种求解动态多目标优化问题的新算法，在动态多目标优化问题中，多目标函数和/或约束可能会随时间变化，这就需要多目标优化算法跟踪运动的Pareto最优解和/或Pareto最优前沿。当检测到环境变化时，设计一阶差分模型来预测一定数量Pareto最优解的新位置。另外，旧的pareto最优解的一部分被保留到新种群中。将预测模型融合到基于分解的多目标进化算法中，求解动态多目标优化问题。通过这种方式，可以更快地跟踪更改后的POS或POF。该算法在多个具有不同动态特性和难度的典型基准问题上进行了测试。实验结果表明，该算法在求解动态多目标优化问题时具有较好的性能。 2、文件夹中包括了该算法的论和相关Matlab代码的实现。

微电网系统的优化运行应考虑经济性、环保性、可靠性以及对可再生能源的响应特性等多方面因素。以电池储能系统（BESS）为研究对象，提出一种基于动态规划的多目标优化方法，以最优化经济效益、最大化可靠性、最小化可再生能源功率波动、最符合可再生能源发电计划作为微电网优化运行的目标，应用模糊理论和二元对比定权法将其转化为单目标优化问题，从而获得BESS的动态最优调度策略。算例表明，该方法具有良好的优化效果。

针对约束多目标区间优化问题, 提出一种交互多属性决策NSGA-II 算法. 该算法将非线性问题线性化, 定义P占优支配关系求出个体的序值, 定义区间拥挤距离来区分具有相同序值个体的优劣, 采用约束精英策略删除种群中不满足约束的个体. 将选出的个体作为方案集, 目标函数作为属性集, 决策者对于各目标函数的偏好作为属性权重, 构建一个多属性决策模型, 在进化过程中融入该模型来选取符合决策者偏好的满意解. 仿真实验验证了所提出方法的可行性和正确性.

这个简化的Matlab演示代码展示了如何使用新的Mayfly算法来解决多目标优化问题。

研究多目标智能算法的很好的教材，详细介绍了相关智能算法，推荐下载

多目标遗传优化算法NSGAII求解微电网调度(Python&Matlab)

多目标进化优化 郑金华 OCR版本可复制可搜索

为了有效解决动态多目标优化问题,文中提出了一种新的基于预测策略的动态多目标免疫优化算法.该算法首先采用相似性检测算子较好地检测到环境的变化.同时利用前几个时刻的最优非支配抗体解集建立新的预测模型来预测产生新时刻的初始抗体种群,进一步提高了算法对环境变化的反应能力.此外,通过引入基于两种不同的父代个体选择策略而改进的差分交叉算子来加快算法的收敛速度.文中采用几个典型的标准测试问题验证算法的有效性,实验结果表明,提出的相似性检测算子的预测模型可以提高算法的跟踪能力,而改进的差分交叉算子能够提高算法的收敛性能.