nsga2算法matlab代码MATLAB中的NSGA-II
这是MATLAB中非主导排序遗传算法II（NSGA-II）的实现。
有关更多信息，请访问以下URL：
引用这项工作
您可以按如下所示引用此代码：
Mostapha
Kalami
Heris，MATLAB中的NSGA-II（URL：），Yarpiz，2015年。
2023-02-04 14:47:30
9KB
1
6NSGA-Ⅱ算法是 Srinivas 和 Deb 于 2000 年在 NSGA 的基础上提出的，它比 NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径 shareQ，并在快速排序后的同级比较中作为胜出标准，使准 Pareto 域中的个体能扩展到整个 Pareto 域，并均匀分布，保持了种群的多样性；引入了精英策略，扩大了采样空间，防止最佳个体的丢失，提高了算法的运算速度和鲁棒性。
2022-04-02 22:20:34
155KB
【优化求解】基于NSGA2算法求解多目标优化问题matlab源码.zip
2021-11-13 19:33:19
359KB
1
nsga2算法matlab代码这是基于NSGA-II的多目标进化算法（MOEA）。
最终目的是解决开源软件的发布时间和管理问题
NSGA是一种流行的基于非控制的遗传算法，用于多目标优化。
原始NSGA-II代码可在函数nsga_2（pop，gen）中找到。
该函数的输入参数是种群大小和世代数。
出于定制目的，用户可以通过修改m文件（evaluate_objective.m）来自由修改目标函数（多个决策变量的函数）。
传统上，优化的软件发布时间问题将多决策空间减少为单目标优化问题。
尽管这些表述简化了问题并降低了涉及的复杂性，但是解决方案并不能解决涉及的每个目标。
我们使用基于非控制的遗传算法来解决开源软件的发布时间问题，其原因有两个：1.要同时实现最大的可靠性和最小的成本。
2.进化算法保证了解的质量。
我们没有使用单个遗传算法找到一组最优解，而是找到了一个最优解。
众所周知，这些解决方案是帕累托最优解决方案。
在针对多目标问题的一组帕累托最优解中，在最后一个目标中，每个解决方案都必须比另一个更好。
我们考虑的目标是1.可靠性2.成本3.测试资源消耗
如何运行：
nsga_2（pop，
2021-09-11 18:57:02
139KB
1