美国国家标准学会 使用Java的NSGA-II实现 该论文的原始作者： ， ， ， 原始内容的链接： 注意：NSGA-II算法的此实现完全参考原始发表的论文。 这不是在Java中转换最初实现的C代码的工作。 在编写此实现时，未引用作者的原始C代码。 依赖关系：Java（> = 1.8），JFreeChart（1.5.0），JCommon（1.0.24） 重要 3.1.0版带来了许多附加功能，修复了一些错误并带来了一些重大更改。 虽然建议使用最新版本（3.1.0）并为现有项目更新依赖项，但请记住有关重大更改的信息，如果无法这样做，请打开一个问题。 请注意： 这是算法实现的v3 。

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。 此为MATLAB代码，可以完美运行无错误，需要的朋友可以下载，已附上文章可供参考学习。

非支配排序遗传算法 快速多目标遗传算法 NSGA II

本资源可以用于多个目标函数以及多个变量，例如三目标三变量

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

带有约束条件的NSGA-2算法及过程解释。 可以参考我之前写的代码解释。 直接放到matlab中运行主函数，输入测试函数序号，就可以运行。

NSGAII-有约束限制的优化问题.zip

改进的NSGA-II算法解决多目标地流流水车间调度问题

应急救援物资多目标分配和调度集成优化是灾害应急决策中的一个难点问题.为此, 构建一种面向多储备点、多发放点、多种应 急救援物资的并发分配与调度多目标优化模型, 提出一种基于二维NSGA-II与蚁群优化的混合智能搜索算法.在所提算 法中, 设计二维二进制编码、个体修正策略以解决多发放点之间潜在的应急救援物资 冲突, 并改进蚁群优化中的信息素全局更新策略以实现多个调度路径的同时优化.对比实验 结果表明, 所提出的混合算法可以在合理的时间内给出更高质量的应急救援物资分配和调度方案.

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。