multi-objective-optimization-NSGA2

multi-objective optimization NSGA2 test

A_SGA_QGA_master_0610

A_SGA_TSP

A_SGA_with_quantum_0620文件夹

（5）QGA.py 原始的量子遗传算法； （6）QGA_numpy.py 经Numpy改造的量子遗传算法； （7）QGA_numpy_elite.py 经Numpy改造，并加入elite机制的量子遗传算法； （8）QGA_numpy_elite_comprason.py 经Numpy改造，并加入elite机制的量子遗传算法与普通遗传算法的对比；

B_MOO_MOEAD0709

• 参考代码；

B_MOO_NSGA2_0710

• 这是晓风提供的代码，根据MoeaPlat的MATLAB代码改写的Python，这个代码存在问题是运行效率慢。

B_MOO_NSGA2_0817未完成改造

• 无效代码

B_MOO_NSGA3_0810_PS

• PS-MOOPS-SL求解，行路径规划，初始化等相关的代码；
• 基于老的数据结构的方式进行的计算；

B_MOO_NSGA3_0920_THEROY

• 一开始是为了证明NSGA3在超目标下是正确的，所以写了这个代码；
• 后来为了简化问题，从nsga2做起；

B_NSGA2_with_qutanum_0630文件夹 （1）NSGA2_01_traditional.py 基于LIST的方式，实现了两个自定义函数(都求最大值)的求解和二维可视化表达（仍存在不足），增加了ndset的测试； （2）NSGA2_02_math_valiation.py 基于LIST的方式，实现了三个自定义函数（一个求最小值，两个求最大值）的NSGA2求解和三维可视化表达； （3）NSGA2_math_03_valiation_np.py 基于numpy，实现了三个自定义函数（一个求最小值，两个求最大值）的NSGA2求解和三维可视化表达； （4）NSGA2_math_03_valiation_np_ZDT3.py 基于numpy，实现了ZDT3函数的NSGA2求解和三维可视化表达； （5）NSGA2_04_math_valiation_numpy_add_QGA_OLD.py 基于numpy，实现了三个自定义函数（一个求最小值，两个求最大值）的量子NSGA2求解和三维可视化表达，目前集成了量子编码，但是交叉和变异仍是随机的； （6）NSGA2_

B_MOO_NSGA3_0810_PS文件夹 文件： （1）nsga3.py (2)utils.py 起源： 这两个文件夹是从B_MOO_NSGA3_0710中复制的，这块的代码起源于：https://blog.csdn.net/Fengfeng__y/article/details/93776983 哈工大一个同学复现的算法。 修改： 主要将其修改为符合PS选址的功能模块，用于MOO选址