NSGA-II 基于参考点的算法原理实现参考文献，该文献介绍了reference point和predator-prey两种方法

非支配排序，拥挤度计算，pareto前沿，A Fast and Elitist Multi-objective Genetic Algorithm:NSGA-II NSGA算法 NSGA算法缺陷 NSGA-II算法 总结 1. 快速非支配排序法将时间复杂度改进为O(MN2)； 2.使用拥塞距离代替代替共享函数算法保持种群多样性； 引入精英保留策略。 非支配排序的复杂度较高: O(MN3) （M是目标函数的个数，N是种群大小)； 缺少精英保留策略； 需要人为指定共享参数σshare（共享小生境步骤）。 NSGA： nondominated sorting genetic algorithms-非支配排序遗传算法 nondominated：非支配 例：回家，两目标（费用，时间），均越小越好 动车A（270 , 7），普快B（120 , 10），飞机C（240，2） C（240，2）支配A（270 ， 7）; A（270 , 7）被C（240，2）支配; B（120 , 10）和C（240，2）不可比，即非支配。 目的：得到一组非支配的解--Pareto最优解集。

NSGA-II 调度问题求解matlab程序

2002 Deb提出的NSGA-II

BP预测模型作为NSGA-II 的适应度函数，Matlab参考代码

多目标遗传算法工具箱，里面有相关的代码，可用于优化代理模型寻优，分享出来

相对于NSGA而言，NSGA—II具有以下优点：1)提出新的基于分级 的快速非胜出排序算法，将计算复杂度由 降到 ，其中： 表示目标函数的数目， 表示种群中个体的数目；2)为了标定分级快速非胜出排序后同级中不同元素的适值，也为使准 域中的元素能扩展到整个 域，并尽可能均匀遍布，文献[7]提出了拥挤距离的概念，采用拥挤距离比较算子代替需要计算复杂的共享参数的适值共享方法；3)引入了保优机制，扩大了采样空间，经选择后参加繁殖的个体所产生的后代同其父代个体共同竞争来产生下一代种群，因此有利于保持优良的个体，迅速提高种群的整体水平

NSGA (No n- Do mina te d So r ting in Ge ne tic Alg o r ithms [5 ]) is a p o pula r no n-do mina tio n ba s e d g e ne tic a lg o r ithm fo r multi- o b je c tive o ptimiz a tio n. I t is a ve r y e ffe c tive a lg o r ithm but ha s b e e n g e ne r a lly c r itic iz e d fo r its c o mputa tio na l c o m-ple x ity, la ck o f e litis m a nd fo r cho o s ing the o ptima l pa r a mete r va lue fo r s ha r ing pa r a me te r σsh ar e . A mo difie d ve r s io n, NSGA- I I ( [3 ]) wa s de ve lo p e d, w hich ha s a b e tte r s o r ting a lg o r ithm , inc o r p o r a te s e litis m a nd no s ha r ing pa r a me te r ne e ds to b e cho s e n a priori. NSGA- I I is dis c us s e d in de ta il in this r e p o r t a nd two s a mple te s t func tio ns a r e o ptimiz e d us ing it.

NSGA-II完整matlab项目，含ZDT1~6真实数据txt，见本人博客

为了减少污染，保护环境，国家大力支持新能源汽车发展。然而，电动汽车用户找桩难、排队时间过长、设施利用率低、充电运营企业盈利难等问题难以解决。同时，电动汽车大规模无序接入电网充电会影响电网的安全稳定运行。在此背景下，电动汽车充电调度策略的研究受到广泛关注。 研究意义： 1、电动汽车用户可以减少出行成本，提高出行效率； 2、合理分配充电桩的资源，避免浪费； 3、减少汽车充电对电网负荷的不良影响； 4、促进电动汽车的使用和推广。