此资源包含经典的多目标进化算法NSGA-II，内涵测试集以及性能度量GD,Spacing,,r等。该算法的文献来源为：A Fast and Elitist Multiobjective Genetic Algorithm:NSGA-II

加权和和ε约束方法在多目标优化中的应用 演示两种多目标优化策略 创建用于介绍性设计优化课程（例如 UIUC 的 SE 413）。证明 epsilon-constraint 方法可以识别与多目标优化问题相对应的 Pareto 前沿上的非支配点，而更知名的加权和方法则不能。测试题改编自： “Optimization in Practice with MATLAB: For Engineering Students and Professionals”，A. Messac，2015，剑桥大学出版社

这个MATLAB工具为多目标优化提供了不同的功能： 为不同的求解器 提供通用接口 蛮力网格搜索（穷举搜索） MATLAB单目标遗传算法 ('ga') MATLAB多目标遗传算法（'gamultiobj'） 为 MATLAB 求解器 提供抽象层 缩放输入变量 生成和过滤初始点 将高级数据结构（'struct'）转换为低级（'matrix'） 生成求解器所需的低级输入 允许对函数进行矢量化和并行评估 将要评估的点数分成块 使用并行计算（'parfor'）评估块 块内的点以矢量化方式评估 在数学上，解决了以下优化问题： 多个变量 整数变量 上限和下限 不等式约束 平等约束 非连续目标函数 单目标或多目标目标 该工具由苏黎世联邦理工学院电力电子系统实验室开发

多目标优化测试环境(测试多目标优化问题的算法并输出数据以及视觉效果和准确度配置文件) 算法： 随机搜索 网格搜索 MOPSO NSGA-II MNM-MeshMap 测试集： 维基百科问题 DTLZ 问题 随机生成的问题（二次和正弦多项式） 用户定义的问题（输入您自己的问题） 指标： 超容量 贡献 Epsilon 指标 视觉效果： 针对个别问题的算法结果 更大数据集的准确度配置文件 其他： 数据摘要的逗号分隔值 (CSV) 文件

受闪电和 Lichtenberg 图形启发的受限多目标优化器 多目标 Lichtenberg 算法 (MOLA)(MULTI-OBJECTIVE LICHTENBERG ALGORITHM (MOLA)).zip 佩雷拉，JLJ 等人。多目标 Lichtenberg 算法：用于解决工程问题的基于混合物理的元启发式算法。具有应用程序的专家系统，2021 年。https://doi.org/10.1016/j.eswa.2021.115939

高效多目标优化 (TSEMO) 算法 该存储库包含“Thompson 采样高效多目标优化”（TSEMO）算法 [1] 的源代码。 该算法专为评估成本高的黑盒函数的全局多目标优化而设计。例如，该算法已应用于生命周期评估 (LCA) 和化学过程模拟成本的同步优化 [2]。但是，该算法也可以应用于其他黑盒功能，例如 CFD 模拟。它基于贝叶斯优化方法，构建高斯过程代理模型以加速优化。此外，该算法可以在每次迭代（批量顺序模式）中识别出几个有希望的点。这允许并行评估多个模拟。

GODLIKE (Global Optimum Determination by Linking and Interchanging Kindred Evaluators) 是各种基于种群的全局优化方案的泛化。此外，它只需添加额外的目标函数即可处理单目标和多目标优化。 GODLIKE 使用遗传算法、差分进化、粒子群优化和自适应模拟退火算法的相对基本实现来解决优化问题。它的强大之处在于这些不同的算法同时运行（链接），并且来自每个群体的成员偶尔会交换（交换）以减少收敛到局部最小化器的机会。 它的主要目的是提高鲁棒性，而不是提高效率，因为它通常需要比单独的任何算法更多的功能评估。它还旨在消除每次遇到优化问题时都需要微调这些算法，并概括优化本身（它既是单目标优化器又是多目标优化器），并生成要使用的简单图在快速报告等

MOAGDE：一种新的多/多目标优化算法 风能/光伏/潮汐能多目标自适应引导差分演化与MO-ACOPF优化 本研究提出了多目标自适应引导差分进化（MOAGDE）作为一种强大而稳定的算法。MOAGDE 可以有效地找到具有不同类型的高复杂度决策/目标空间的多目标优化问题的帕累托最优解。提出的 MOAGDE 是通过重新设计用于多目标优化的自适应引导差分进化算法而开发的。 Duman, S., Akbel, M., Kahraman, HT，“风能/光伏/潮汐能源的多目标自适应引导差分演化和 MO-ACOPF 优化”，应用软计算，Elsevier BV，8 月. 2021, p. 107814，doi：10.1016/j.asoc.2021.107814。

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案。设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证。实验结果表明:算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值。

代码主要实现了考虑电动汽车参与削峰填谷的场景下，电动汽车充放电策略的优化，是一个多目标优化，目标函数一方面考虑了电动汽车综合负荷以及电池退化损耗成本，一方面考虑了削峰填谷的峰谷差和负荷波动最低，所以为三目标约束，最后通过赋权值以及化简将三目标问题化简为单目标问题进行求解，求解结果可以看出来电动汽车参与后，负荷曲线有明显改善，结果合理正确！仿真平台：MATLAB YALMIP+CPLEX