NSGA_2总结梳理附代码按行详细注解

做实验需要解决多目标优化问题，之前也没用过Matlab，看代码也是学习Matlab语法的过程，所以很详细的注解了基本上每一行代码，下面代码亲测可以直接运行，如果有问题的地方欢迎指正。

下面代码可能有些长，主要是注释加的比较多,如果想要替换函数的话，直接在evaluate_objective里替换，在主函数里修改M和V即可

目录

一.NSGA-2算法简介

二.NSGA-2算法整体流程图

三.算法及各函数讲解

1.主函数：nsga_2_optimization

2.目标函数：evaluate_objective

3.初始化代码：initialize_variables

4.快速非支配排序和拥挤度计算代码：non_domination_sort_mod

5.锦标赛选择过程：tournament_selection

6.交叉 变异代码：genetic_operator

7.生成新的种群（精英策略):replace_chromosome

---

一.NSGA-2算法简介

SGA2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 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。

关于MOP的理解可参考另一篇博客：https://blog.csdn.net/qq_39552268/article/details/111656270

二.NSGA-2算法整体流程图

流程图各个步骤旁边的是函数名对应下面的各个算法函数名

这是最终跑出的结果:

三.算法及各函数讲解

1.主函数：nsga_2_optimization

function nsga_2_optimization
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
pop = 200; %种群数量
gen = 500; %迭代次数
M = 2; %目标函数数量
V = 30; %维度（决策变量的个数） 决策变量就是解的个数
min_range = zeros(1, V); %下界 生成1*30的个体向量 全为0
max_range = ones(1,V); %上界 生成1*30的个体向量 全为1
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
chromosome = initialize_variables(pop, M, V, min_range, max_range);%初始化种群
chromosome = non_domination_sort_mod(chromosome, M, V);%对初始化种群进行非支配快速排序和拥挤度计算


for i = 1 : gen
    pool = round(pop/2);%round() 四舍五入取整 交配池大小
    tour = 2;%竞标赛  参赛选手个数
    parent_chromosome = tournament_selection(chromosome, pool, tour);%竞标赛选择适合繁殖的父代
    mu = 20;%交叉和变异算法的分布指数
    mum = 20;
    %% parent_chromosome 竞标赛选择的适合繁殖的父代 M 目标函数数量 V维度（决策变量的个数）      mu = 20;%交叉和变异算法的分布指数    mum = 20; 
    %%min_range = zeros(1, V); %下界 生成1*30的个体向量 全为0 
    %%max_range = ones(1,V); %上界 生成1*30的个体向量 全为1  这个在这里用来约束解（Xi）的范围
    %%offspring_chromosome不一定生成了500个后代
    offspring_chromosome = genetic_operator(parent_chromosome,M, V, mu, mum, min_range, max_range);%进行交叉变异产生子代 该代码中使用模拟二进制交叉和多项式变异 采用实数编码
    [main_pop,~] = size(chromosome);%父代种群的大小
    [offspring_pop,~] = size(offspring_chromosome);%子代种群的大小
    
    clear temp
    intermediate_chromosome(1:main_pop,:) = chromosome;
    intermediate_chromosome(main_pop + 1 : main_pop + offspring_pop,1 : M+V) = offspring_chromosome;%合并父代种群和子代种群
    intermediate_chromosome = non_domination_sort_mod(intermediate_chromosome, M, V);%对新的种群进行快速非支配排序
    %%精英选择 从子代和父代中选出Pop个
    chromosome = replace_chromosome(intermediate_chromosome, M, V, pop);%选择合并种群中前N个优先的个体组成新种群
   %%每计算100代清空下控制台
    if ~mod(i,100)
        clc;
        fprintf('%d generatio