nsga2算法matlab代码-NSGA-II:遗传算法的多目标优化算法

【文件属性】：
文件名称：nsga2算法matlab代码-NSGA-II:遗传算法的多目标优化算法
文件大小：139KB
文件格式：ZIP
更新时间：2021-05-24 07:15:08
系统开源 nsga2算法matlab代码这是基于NSGA-II的多目标进化算法（MOEA）。 最终目的是解决开源软件的发布时间和管理问题 NSGA是一种流行的基于非控制的遗传算法，用于多目标优化。 原始NSGA-II代码可在函数nsga_2（pop，gen）中找到。 该函数的输入参数是种群大小和世代数。 出于定制目的，用户可以通过修改m文件（evaluate_objective.m）来*修改目标函数（多个决策变量的函数）。 传统上，优化的软件发布时间问题将多决策空间减少为单目标优化问题。 尽管这些表述简化了问题并降低了涉及的复杂性，但是解决方案并不能解决涉及的每个目标。 我们使用基于非控制的遗传算法来解决开源软件的发布时间问题，其原因有两个：1.要同时实现最大的可靠性和最小的成本。 2.进化算法保证了解的质量。 我们没有使用单个遗传算法找到一组最优解，而是找到了一个最优解。 众所周知，这些解决方案是帕累托最优解决方案。 在针对多目标问题的一组帕累托最优解中，在最后一个目标中，每个解决方案都必须比另一个更好。 我们考虑的目标是1.可靠性2.成本3.测试资源消耗 如何运行： nsga_2（pop，

【文件预览】：
NSGA-II-master
----spacing.m(1KB)
----non_domination_sort_mod.m(8KB)
----evaluate_objective.m(3KB)
----initialize_variables.m(3KB)
----.DS_Store(6KB)
----objective_description_function.m(3KB)
----paretofront()
--------paretofront.c(3KB)
--------paretofront.m(2KB)
--------license.txt(1KB)
--------paretoGroup.m(2KB)
--------paretofront.mexw32(20KB)
----nsga_2.m(9KB)
----genetic_operator.m(7KB)
----tournament_selection.m(5KB)
----replace_chromosome.m(4KB)
----README.md(3KB)
----hypervolume.m(1KB)
----NSGA II.pdf(131KB)
----.gitattributes(65B)