NSGA-II算法的MATLAB代码实现，用于多目标优化问题的遗传算法

nsga2算法matlab代码这是基于NSGA-II的多目标进化算法（MOEA）。 最终目的是解决开源软件的发布时间和管理问题 NSGA是一种流行的基于非控制的遗传算法，用于多目标优化。 原始NSGA-II代码可在函数nsga_2（pop，gen）中找到。 该函数的输入参数是种群大小和世代数。 出于定制目的，用户可以通过修改m文件（evaluate_objective.m）来*修改目标函数（多个决策变量的函数）。 传统上，优化的软件发布时间问题将多决策空间减少为单目标优化问题。 尽管这些表述简化了问题并降低了涉及的复杂性，但是解决方案并不能解决涉及的每个目标。 我们使用基于非控制的遗传算法来解决开源软件的发布时间问题，其原因有两个：1.要同时实现最大的可靠性和最小的成本。 2.进化算法保证了解的质量。 我们没有使用单个遗传算法找到一组最优解，而是找到了一个最优解。 众所周知，这些解决方案是帕累托最优解决方案。 在针对多目标问题的一组帕累托最优解中，在最后一个目标中，每个解决方案都必须比另一个更好。 我们考虑的目标是1.可靠性2.成本3.测试资源消耗 如何运行： nsga_2（pop，