NSGA算法，完整的源代码，并且可以运行（14版本的matlab）

带精英策略的非支配排序遗传算法（NSGA-II）在多目标优化领域具有广泛的应用，但该算法种群收敛分布不均匀，全局搜索能力较弱，算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明，根据这些策略改进的算法得到的非劣解集具有较好的分布性，同时收敛速度更快。

实现了多目标遗传算法NSGA2，并带有详细注释及相关论文，读者只需根据具体问题简要修改，即可使用。实现了多目标遗传算法NSGA2，并带有详细注释及相关论文，读者只需根据具体问题简要修改，即可使用。

nsga ii算法代码MATLAB 实数编码整数处理NSGA-II 能够解决混合整数非线性问题的多目标优化非排序遗传算法。 该代码是免费提供的Tamilselvi Selvaraj NSGA II Matlab代码的修订版本，能够解决带有约束的混合整数非线性规划。 使用上述算法解决了一些基准问题，包括整数变量问题。 准则：打开“ NSGA_II_Abril_Test.m”。 选择所需的“ p”基准问题（p = 2 ---> ZDT1问题）。 运行“ NSGA_II_Abril_Test.m”

美国国家标准学会 使用Java的NSGA-II实现 该论文的原始作者： ， ， ， 原始内容的链接： 注意：NSGA-II算法的此实现完全参考原始发表的论文。 这不是在Java中转换最初实现的C代码的工作。 在编写此实现时，未引用作者的原始C代码。 依赖关系：Java（> = 1.8），JFreeChart（1.5.0），JCommon（1.0.24） 重要 3.1.0版带来了许多附加功能，修复了一些错误并带来了一些重大更改。 虽然建议使用最新版本（3.1.0）并为现有项目更新依赖项，但请记住有关重大更改的信息，如果无法这样做，请打开一个问题。 请注意： 这是算法实现的v3 。

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。 此为MATLAB代码，可以完美运行无错误，需要的朋友可以下载，已附上文章可供参考学习。

非支配排序遗传算法 快速多目标遗传算法 NSGA II

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

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

带有约束条件的NSGA-2算法及过程解释。 可以参考我之前写的代码解释。 直接放到matlab中运行主函数，输入测试函数序号，就可以运行。