说明：带精英决策的多目标优化关键程序，希望对大家有用。

说明：采用传统的遗传算法，结合帕累托策略，同时考虑环境和经济性。

说明：考虑环境因素的多目标优化方法，采用传统的遗传算法，同时考虑环境和经济性，考虑帕累托策略。

说明：可被用来解决目标函数冲突的多目标优化问题

说明：使用matlab语言编程的粒子群算法对含分布式电源的配电网进行多目标优化

说明：SPEA 多目标算法,用于解决各种优化问题、例如物流配送、深度NN优化等等

说明：word里面是粒子群算法的Pareto多目标函数优化的程序

说明：利用遗传算法的全局搜索能力，可以避免传统的多目标优化方法在优化过程中陷入局部最优解，保持解个体的多样性。

说明：粒子群多目标优化算法，解决背包问题，有数据，可以运行

说明：用蜻蜓算法求解多目标优化问题，可以运行，完整代码

说明：多目标粒子群优化，三个目标函数，帕累托非支配解集

说明：进行多目标优化，主要是使用了NSGA-2的算法，在代码中进行了必要的标注

说明：多目标优化模型matlab详细代码，文件里面有代码说明。以及代码注释

说明：蚁群算法用于求最小值最大值等，可以优化问题，多目标优化问题，TSP问题，等等。

说明：流水车间多目标（时间，能耗，成本）调度优化程序

说明：利用并列选择法求解多目标最优化问题的matlab代码

说明：多目标规划的概念是 1961年由美国数学家查尔斯和库柏首先提出的。多目标最优化思想，最早是在1896年由法国经济学家V.帕雷托提出来的。他从政治经济学的角度考虑把本质上是不可比较的许多目标化成单个目标的最优化问题，从而涉及了多目标规划问题和多目标的概念。

说明：MOPSO多目标粒子群优化算法MATLAB实现

说明：该程序是多目标遗传算法的程序，可以进行多参数求解

说明：多目标遗传算法是NSGA-II[1]（改进的非支配排序算法）,该遗传算法相比于其它的多目标遗传算法有如下优点：传统的非支配排序算法的复杂度为 ，而NSGA-II的复杂度为 ，其中M为目标函数的个数，N为种群中的个体数。引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度。采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。（消除了共享参数）。

说明：多目标函数求解明显难度提升了好几个数量级，其核心问题在于出现了pareto解。我们需要权衡各个目标函数之间的利弊，选择合适算法来求解。

说明：大量实际应用问题最后可以转化为多目标优化问题，而粒子群优化因为其概念简单、实现容易、收敛快速被广泛地用来求解。

说明：多目标优化算法，单决策变量，多决策变量，一维，多维。

说明：基于Pareto最优的悬架参数多目标优化

说明：多目标函数，在多个约束条件的情况下用遗传算法找出最优解

说明：MATLAB程序，粒子群优化算法，多目标优化问题

说明：与常规的单目标遗传算法求解不同，该算法考虑两个目标函数的遗传算法

说明：多目标优化算法，带精英策略的非支配排序的遗传算法，是K.Deb于2001年提出，文献指出GAs中NSGA-2优于其他MOGAs，并开源可供下载。

说明：多目标优化 对多个目标进行最大值最小值优化

说明：matlab代码的多目标粒子群算法求解多目标函数优化问题