带精英策略的 NSGA 算法的研究与改进为解决区域水资源优化配置的求解提供了一种可行的方法，本章首先建立区域水资源可持续利用优化配置的数学模型，之后分析模型的特点以方便使用该算法求解，最后以厦门市水资源优化配置为示例，对传统的大系统总体优化遗传算法、NSGA-Ⅱ算法及带 TS 局部搜索与精英策略的 NSGA 算法求解具体问题进行了对比，说明了后者在实际应用中的优势，可以满足生成决策方案的要求。

本文提出了一种求解多目标规划问题的精英粒子群算法。该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点。最后,通过数值实验验证算法的可行性和有效性。

设计了一种新的求解均匀分布的Pareto最优解集的多目标进化算法(MOEA),其主要的特点是使用了一种新的个体适应值的计算方式,方法是通过群体中某一个体与群体的最优非劣解集的最小距离来刻画个体的适应值的。算法还结合了遗传算法中的精英策略以及NSGA-Ⅱ中的拥挤距离[12],提高了非劣解向Pareto最优前沿收敛的速度,并且保证了Pareto最优解集的多样性。仿真结果表明,算法不仅能够获得分布良好的Pareto最优前沿,而且能够极大地简化计算,减少了算法的运行时间,其计算复杂度为ο(mn2)(m表示的是目标函数的个数,n是种群的规模)。

31考虑电动汽车充电对电网负荷的影响，使负荷峰谷差最小

基于NSGA-II的卫星星座设计，含全套代码

这个是关于NSGA-II算法的matlab代码，主要有拥挤距离，精英策略，基因操作，非支配排序，函数值，NSGA-II主代码等几个模块里边，本代码只是对基本的测试函数（二维测试函数ZDT1-6，三维测试函数DTLZ1-6）,包含测试数据以及相关的测试函数图像仿真。

基于群智能算法中的精英策略选择，可以保证种群的多样性和解的收敛性

动态NAGA-II算法的matlab代码，主要有拥挤距离，精英策略，基因操作，非支配排序，函数值，NSGA-II主代码等几个模块，本代码只是对FDA函数的测试，还包含测试数据