资 源 简 介
《optimization using nondominated sorting genetic algorithms》的论文中提出的。该算法在快速找到Pareto前
沿和保持种群多样性方面都有很好的效果,不过在这么多年的应用中也出现了如下的一些问题:
1。非支配排序的时NSGA2主要是对NSGA算法的改进。NSGA是N. Srinivas 和 K. Deb在1995年发表的一篇名为
《Multiobjective function间复杂的很大,为O(MN3)。其中M为目标函数的数量,N为种群规模。
2。不支持精英策略。精英策略在保持好的个体及加速向Pareto前沿收敛方面都有很好的表现。
3。需要自己指定共享参数。该参数将对种群的多样性产生很大的影响。
NSGA2算法将在以下方面进行改进:
1。快速的非支配排序
在NSGA进行非支配排序时,规模为N的种群中的每个个体都要针对M个目标函数
文 件 列 表
MOEA-NSGA-II
html
crowding_distance.m
evaluate_objective.m
genetic_operator.m
initialize_variables.m
non_domination_sort_mod.m
nsga_2.m
NSGA_2.pdf
plot_objective.m
replace_chromosome.m
solution.txt
tournament_selection.m
~$主函数.doc
~$初始化变量.doc
~$支配遗传排序.doc
~$遗传操作.doc
~WRL0001.tmp
~WRL0003.tmp
~WRL3098.tmp
主函数.doc
初始化变量.doc
取代.doc
拥挤函数.doc
目标函数.doc
选择.doc
遗传操作.doc
非支配遗传排序.doc