本论文介绍了新颖的NSGA-III算法，并将其应用于高维的目标优化中，取得良好结果。

针对带有约束条件的多目标函数，进行多目标参数优化

用matlab编写的nsga_II算法，经过测试。

NSGA-II 多目标遗传算法MATLAB实现，实测可以运行，可以参考

NSGA-2多目标规划在Matlab中的实现算法实例。

本资源是“基于参考点的非支配遗传算法-NSGA-III”博客中的参考资料，此资料下载对于理解NSGA-III算法将起到非常重要的作用，且部分文章我已经做了注解。

完整代码，可直接运行

美国国家标准学会 根据文章，NSGA-III算法在C ++中的实现： Kalyanmoy Deb和Himanshu Jain，一种使用基于参考点的非支配排序方法的进化多目标优化算法，第一部分：解决盒子约束问题。 IEEE进化计算学报，第1卷。 18，第4号，第577-601页，2014年8月。doi：10.1109 / TEVC.2013.2281535。 该代码使用DTLZ和WFG测试问题进行了测试，获得的结果与作者报告的结果非常相似。 欢迎提供贡献和错误修复。 示范 演示“ src / main_nsga3.cpp”包含NSGA-III算法的可伸缩性测试，方法是将目标数量从3个改为10个（考虑到DTLZ2问题）。 编译特定的目标文件： make Makefile

【车间调度】基于nsga_III算法求解车间调度.zip

针对生产过程中生产作业的优化调度问题，以生产质量、效率和成本阈值为约束条件，基于集对分析建立了的生产质量—效率—成本控制的生产作业多目标优化模型；利用快速非支配排序遗传算法（NSGA-Ⅱ）求解优化模型，得到相对确定条件下质量—效率—成本控制的Pareto最优解集。决策者依据实际生产过程需要，为各项生产作业从Pareto最优解集中筛选最合理的调度方案。最后，通过算例仿真验证了结合集对分析与NSGA-Ⅱ的方法解决生产作业多目标优化问题的准确性、有效性和实用性。