计算给定样本的帕累托点并返回点的索引以及位置。

寻找非劣解集合是遗传算法求解多目标优化问题的目标, 而标准的遗传算法收敛性分析方法对多目标遗传算法的分析 并不合适。本文利用有限马尔科夫链给出了遗传算法求解多目标优化问题的两个收敛性定义, 并给出了一个实例研究及进一步的 工作计划。

在分析单目标优化缺陷的基础上,构建了车间多行布局物流成本和空间利用率多目标组合优化模型。设计了车间多行布局遗传算法,针对自动换行、两行布置和三行布置三种不同布局策略的编码方式、遗传操作和适应度函数进行了研究。以某车间布局为实例,分别在单目标和多目标情况下,通过Matlab编程对三种不同布局策略进行了遗传运算,验证了算法的收敛性、实用性和有效性。该模型及算法对车间进行多目标多行布局具有借鉴意义。

：为了保持所求得的约束多目标优化问题Pareto最优解的适应度与多样性，在NSGA-II基础上提出了一种 用于求解有约束的多目标优化问题的热力学遗传算法。结合热力学中自由能与熵的概念，利用热力学中熵与能 量的竞争来保持种群的适应度与多样性的平衡，设计了热力学算子。根据非支配排序Pareto分层结构建立分层 小生境来改进选择算子，弥补了选择算子不足。实验结果表明：该算法不仅得到的解在空间分布均匀，收敛性 好，同时解集具有较广的分布空间。

多学科多目标优化软件Isight入门与提高源文件.zip

MO-ASMO 的分布式控制器，一种基于代理的多目标优化算法（python）

C-NSGA II（聚类非支配排序遗传算法 II）；CTAEA（约束两个档案进化算法）；GREA（基于网格的进化算法）；具有快速比较的IBEA （基于指标的进化算法）；MOEA/D（基于分解的多目标进化算法）；NAEMO（邻域敏感存档进化多目标优化）；NSGA II（非支配排序遗传算法 II）； NSGA III（非支配排序遗传算法 III）；欧泊索（优化多目标粒子群优化）；具有快速非优势排序的PAES （Pareto Archived Evolution Strategy）；RVEA（参考向量引导进化算法）；SMPSO（速度约束多目标粒子群优化）；SPEA2（强度帕累托进化算法 2）； U-NSGA III（统一非支配排序遗传算法 III）。 C-NSGA II（Colab 演示） CTAEA（Colab 演示） GREA（Colab 演示） IBEA（Colab 演示） MOEA/D（Colab 演示） NAEMO（Colab 演示） NSGA II（Colab 演示） NSGA III（Colab 演示） OMOPSO（Colab 演示） PAES（Colab 演示） RVEA（

首先运行 mainofmain.m Curious-II：一种基于多新奇搜索的子群多/多目标优化算法(matlab)(代码)

# 电动汽车充电优化，针对大规模电动汽车无序充电对电网运行带来的影响和目前我国新能源消纳存在的问题，引导电动汽车有序充电以实现新能源的就地消纳．以用户充电总费用最低和电网负荷峰谷差最小为优化目标，综合考虑用户充电需求和新能源出力等约束条件，建立基于动态分时电价的多目标优化模型，并运用Matlab进行编程仿真．通过算例仿真，验证了所提策略可降低电网负荷峰谷差和用户充电总费用，达到削峰填谷和消纳新能源的效果。6不同负荷下的出力曲线.png)