非支配排序遗传算法c语言,第三代非支配排序遗传算法（NSGA-III）

第三代非支配遗传算法是针对高维多目标优化计算代价大，难以挑选Pareto解的情况而开发的，基本流程与NSGA-II相似，但选择个体的方法加入了基于参考点的方法，能够有效降低计算代价。

NSGA-III 首先定义一组参考点。然后随机生成含有 N 个个体的初始种群，其中 N 是种群大小。接下来，算法进行迭代直至终止条件满足。在第 t 代，算法在当前种群 Pt的基础上，通过交叉和变异产生子代种群 Qt。Pt和 Qt的大小均为 N。因此，两个种群 Pt和 Qt合并会形成种群大小为 2N 的新的种群 Rt=Pt∪Qt。

为了从种群 Rt中选择最好的 N 个解进入下一代，首先利用基于Pareto支配的非支配排序将 Rt分为若干不同的非支配层(F1，F2等等)。然后，算法构建一个新的种群St，构建方法是从 F1开始，逐次将各非支配层的解加入到 St，直至 St的大小等于 N，或首次大于 N。假设最后可以接受的非支配层是 L层，那么在 L+ 1 层以及之后的那些解就被丢弃掉了，且 St\ FL中的解已经确定被选择作为 Pt+1中的解。Pt+1中余下的个体需要从 FL中选取，选择的依据是要使种群在目标空间中具有理想的多样性。

比如你的N设置为100，那么Pt大小为100，Qt是Pt交叉和变异后的个体，Qt的数目也是100，那么Rt=Pt∪Qt，Rt数目是两百，现在只要从这两百中选100个个体进行下一轮迭代。

那么怎么从这两百个选一百个呢？NSGA的思想首先是把所有解进行分非支配排序，假设问题为最小化问题，那么目标值越小越好，若个体A三个目标值是(2，3，5)，B的三