注：文中涉及到的所有子目标几乎都为最小化 1多目标问题的数学形式2多目标的相关理论基础  3基于分解的多目标进化算法    基本思路：在给定权重偏好或者参考点信息的情况下，分解方法通过线性或者非线性方式将原多目标问题各个目标进行聚合，得到单目标优化问题。在对各个部分进行详细讲解之前，首先放上基于MOEA/D的一个基本流程做框架演示，如下图：3.1权重向量生成方法    基于分解的多目标进化算法首先需要产生一组均匀分布的权重向量。参考文献：K.Li,K.Deb,Q.ZhangandS.Kwong,"AnEvolutionaryMany-ObjectiveOptimizationAlgorithm

关于MOEA/D算法的论文精读介绍笔记【读论文-1】MOEA/D:AMultiobjectiveEvolutionaryAlgorithmBasedonDecomposition（一种基于分解的多目标进化算法）-简书(jianshu.com)【读论文-2】MOEA/D:AMultiobjectiveEvolutionaryAlgorithmBasedonDecomposition（一种基于分解的多目标进化算法）-简书(jianshu.com)代码仓库链接：https://github.com/425776024/MOEAD（1）MOEA/D算法的流程输入:•多目标优化•停止标准;•N:MOEA

MOEA/D代码实现代码流程图参数设置代码中出现的几个主要结构体Codedemo.mobjective.mmoead.mFunctioninit调用的外部函数init_weights.mrandompoint.mevaluate.mFunctionevolve调用的外部函数genetic_op.mgaussian_mutate.mFuncupdate调用的外部函数subobjective.mResult切比雪夫分解加权和分解一点点思考参考文献及链接其他推荐的代码2022-4-23更新张老师的个人网站有更多相关的代码资源，指路Resourses。2021-12-06更新： 对代码进行简单改动后可