结合nsga2的多目标智能优化算法有哪些

NSGA-II（Non-dominated Sorting Genetic Algorithm II）是一种常用的多目标优化算法，它基于遗传算法，通过非支配排序和拥挤度距离的计算来实现多目标优化。结合NSGA-II的多目标智能优化算法包括以下几种：

1. NSGA-II + 模糊聚类算法：将NSGA-II算法产生的多个非支配解进行模糊聚类，得到聚类中心，进而确定最优解。

2. NSGA-II + 模糊关联规则算法：利用模糊关联规则算法对NSGA-II算法的结果进行后处理，得到一组最优解。

3. NSGA-II + 改进的遗传算法：在NSGA-II算法的基础上，引入变异算子、交叉算子等改进的遗传算法操作，提高算法的搜索效率。

4. NSGA-II + 神经网络算法：利用神经网络算法对NSGA-II算法的结果进行分类和预测，得到最优解。

5. NSGA-II + 粒子群算法：将NSGA-II算法和粒子群算法相结合，形成一种新的多目标优化算法，提高算法的搜索效率。

6. NSGA-II + 模拟退火算法：将NSGA-II算法和模拟退火算法相结合，形成一种新的多目标优化算法，提高算法的搜索效率。

7. NSGA-II + 人工免疫算法：将NSGA-II算法和人工免疫算法相结合，形成一种新的多目标优化算法，提高算法的搜索效率。