使用python编写程序，在 VS code中运行。源代码文件夹中包含两个子文件夹example，nsga2；example文件夹中包含ZDT1,ZDT2,ZDT3三个.py文件，运行这三个文件得到三个测试函数的实现结果。nsga2文件夹中的individual.py文件是定义了一个个体类；population.py定义了一个种群类；utils.py定义了快速非支配排序算法，拥挤度排序，以及种群的交叉变异；problem.py定义了个体的产生和目标函数值的产生；evolution.py定义了种群的进化。
参数设置：
目标函数：2
种群数：100
代数：1000
交叉分布指数：2
变异分布指数：5
2021-10-16 10:37:36
12KB
1
该代码是免费提供的 Tamilselvi Selvaraj NSGA II Matlab 代码的修改版本，能够解决带约束的混合整数非线性规划。 使用上述算法解决了几个基准问题，包括整数变量的问题。
指导方针： 打开“NSGA_II_Abril_Test.m”。 选择您想要的“p”基准问题（p=2 ---> ZDT1 问题）。 运行“NSGA_II_Abril_Test.m”
2021-10-12 21:19:58
535KB
1
非常好的NSGAII多目标遗传算法，仔细理解算法过程，便可掌握编写。遗传算法早在上世界50年代就已经被人提出并进行了阐发。它的核心就是遗传三算子，也就是选择，交叉和变异。通过随机选择的父代，对子代基因进行随机交叉和随机变异，从而形成新的种群。在种群中利用适应度函数对种群个体进行排序，选择出适应度好的个体进行下一代迭代
2021-09-30 14:20:17
7KB
1
这是一种遗传优化算法NSGA-II，使用它可以选出一组最优的pareto解集。
2021-09-28 18:09:29
155KB
遗传算法程序NSGA2，关于移动机器人路径规划。
2021-09-28 16:07:07
130KB
NSGA II 算法的 MATLAB 代码（Kalyanmoy Deb、Amrit Pratap、Sameer Agarwal 和 T. Meyarivan，“快速和精英多目标遗传算法：NSGA-II”，IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION，VOL. 6，No. 2, APRIL 2002.) 是为该文件中的 9 个无约束和 5 个约束测试问题开发的。
2021-09-27 22:21:29
9KB
1