A. NSGA-II多目標函數
可以直接改,不過一般還要對變數的維數、解碼矩陣等做相對應的修改。
B. matlab 怎麼運行nsga2演算法
NSGA-II\BinaryTournamentSelection.m
.......\CalcCrowdingDistance.m
.......\Cost.m
.......\CreateEmptyIndivials.m
.......\Crossover.m
.......\Dominates.m
.......\GetCosts.m
.......\Mutate.m
.......\MyCost1.m
.......\MyCost2.m
.......\MyCost3.m
.......\MyCost4.m
.......\MyCost5.m
.......\MyCost6.m
.......\MyCost7.m
.......\New Folder\MyCost1.m
.......\NonDominatedSorting.m
.......\nsga2.m
.......\PlotFronts.m
.......\SortPopulation.m
.......\New Folder
NSGA-II
C. nsga-ii演算法中的程序里的參數怎麼用
C語言所有遞歸都可以用非遞歸演算法實現，最典型的就是迭代法，有時比遞歸更容易理解。至於遞歸中的形式參數是自動變數，沒明白樓主的意思，形參就是形參啊，形參變數也是變數，其內存分配在棧區，隨著函數的結束，其內存也會被釋放
D. NSGA2演算法
多目標的遺傳演算法。剛看的。希望能幫助你……
其實其他方面都和普通的遺傳演算法差不多，只是在選擇之前，要進行非支配排序，並且要計算crowding distance，選擇的時候，選擇非支配的rank小的，如果同意的rank時，選擇distance大的。
E. aravind seshadri寫的nsga-ii演算法怎麼輸入目標函數
要的使用介紹：
objective_description_function.m 要自己重寫，主要是定義優化目標函數個數、隨機種子取值范圍等等。
evaluate_objective.m 是優化目標函數，當然要自己重寫了。
nsga_2.m是啟動函數，要設置兩個參數。
其他m文件基本不用改動。具體介紹看程序包里的html說明，演算法看pdf文件。
F. nsga-ii演算法的優化變數為矩陣怎麼定義
其實任何矩陣的元素都可以直接作為變數來使用。能否作為變數的唯一判斷標准就是它是否能夠放在賦值符號(=)的左邊。
G. ncga和nsga-ii遺傳演算法的區別
1 初始化染色體，這一步和粒子群初始化沒啥區別
2 採用二人或多人錦標賽形式，在配對池裡產生新的染色體子代，新生代種群規模為原來種群規模的一半。
3 針對新生代群體進行交叉和變異操作，以概率的方法判決進行交叉還是變異操作，一般來說，我們以較大的概率交叉，較小的概率進行變異，具體的交叉變異操作文獻上都有，和二進制遺傳演算法是不一樣的，一會兒我會講到。隨機選擇的一對父母染色體進行交叉操作會產生一對新的染色體，而變異操作僅僅是針對一個單親變異，所以只產生一個新的染色體。
4 合並原來的種群和後代種群，計算適應度值，輸出最優解空間
5 演算法結束。