A. NSGA-II多目标函数
可以直接改,不过一般还要对变量的维数、译码矩阵等做相对应的修改。
B. matlab 怎么运行nsga2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算法中的程序里的参数怎么用
C语言所有递归都可以用非递归算法实现，最典型的就是迭代法，有时比递归更容易理解。至于递归中的形式参数是自动变量，没明白楼主的意思，形参就是形参啊，形参变量也是变量，其内存分配在栈区，随着函数的结束，其内存也会被释放
D. NSGA2算法
多目标的遗传算法。刚看的。希望能帮助你……
其实其他方面都和普通的遗传算法差不多，只是在选择之前，要进行非支配排序，并且要计算crowding distance，选择的时候，选择非支配的rank小的，如果同意的rank时，选择distance大的。
E. aravind seshadri写的nsga-ii算法怎么输入目标函数
要的使用介绍：
objective_description_function.m 要自己重写，主要是定义优化目标函数个数、随机种子取值范围等等。
evaluate_objective.m 是优化目标函数，当然要自己重写了。
nsga_2.m是启动函数，要设置两个参数。
其他m文件基本不用改动。具体介绍看程序包里的html说明，算法看pdf文件。
F. nsga-ii算法的优化变量为矩阵怎么定义
其实任何矩阵的元素都可以直接作为变量来使用。能否作为变量的唯一判断标准就是它是否能够放在赋值符号(=)的左边。
G. ncga和nsga-ii遗传算法的区别
1 初始化染色体，这一步和粒子群初始化没啥区别
2 采用二人或多人锦标赛形式，在配对池里产生新的染色体子代，新生代种群规模为原来种群规模的一半。
3 针对新生代群体进行交叉和变异操作，以概率的方法判决进行交叉还是变异操作，一般来说，我们以较大的概率交叉，较小的概率进行变异，具体的交叉变异操作文献上都有，和二进制遗传算法是不一样的，一会儿我会讲到。随机选择的一对父母染色体进行交叉操作会产生一对新的染色体，而变异操作仅仅是针对一个单亲变异，所以只产生一个新的染色体。
4 合并原来的种群和后代种群，计算适应度值，输出最优解空间
5 算法结束。