：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)

里面包含有完整的算法代码，可直接运行；GWO甚至有ZD系列测试函数。亲测有效

（matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目标优化问题 （matlab代码）带约束条件的非支配排序遗传算法NSGA-II，解决了一个多目

基于支配和分解的进化多目标优化算法

现实生活中，若要建立新的超市、工厂、医院等公共基础设施，面临的一个首要问题即为选址问题。针对某大学城超市的选址问题，用改进的进化规划算法对此问题进行求解，给出了可行方案，为决策提供了依据。