主导地位——一个点x在一个点y对于向量值目标函数f当:

“支配”一词相当于“劣势”一词:x占主导地位y什么时候y不如x．

一个nondominated集在一组点中P是点的集合吗问在P不受任何一点支配P．

排名-对于可行个体，存在个体秩的迭代定义。1级的个体不受任何其他个体的支配。2级的个体只被1级的个体所支配。一般来说,排名k个体只被等级上的个体所支配k - 1或更低。

等级越低的个体被选择的机会越大(等级越低越好)。

所有不可行的个体都比任何可行的个体级别低。在不可行的种群中，秩是按不可行的测度排序的顺序，加上可行成员的最高秩。

gamultiobj使用等级来选择父母。

拥挤距离-拥挤距离是一个人与其最近邻居的距离。的gamultiobj算法测量同一等级的个体之间的距离。默认情况下，算法在目标函数空间中度量距离。然而，你可以通过设置变量来测量决策变量空间(也称为设计变量空间)中的距离DistanceMeasureFcn选项{@distancecrowding,基因型的}．

该算法将处于极端位置的个体的距离设置为正．对于其余的个体，该算法将距离计算为个体排序后的邻居之间的标准化绝对距离的维数之和。换句话说，对于维度米排序，缩放个体我：

算法对每个维度分别进行排序，所以术语邻居表示每个维度上的邻居。

等级相同的个体，距离越远，被选择的机会越大(距离越远越好)。

您可以选择一个不同于默认的拥挤距离度量@distancecrowding函数。看到多目标的选择．

拥挤距离是计算传播的一个因素，它是停止标准的一部分。当两个被选中的个体拥有相同的排名时，拥挤距离也被用来作为比赛选择的决胜局。

传播-传播是帕累托集合运动的度量。为了计算价差gamultiobj算法首先评估σ，即在帕累托前沿距离有限的点的拥挤距离度量的标准差。问是这些点的数量，和d是这些点之间的平均距离。然后算法计算μ，即该指标的当前最小帕累托点与上一次迭代中该指标的最小值帕累托点之差的范数之和。然后是蔓延

当极端目标函数值在迭代之间变化不大时(即，μ是小的)，当帕累托前沿的点分布均匀(即，σ是小的)。

gamultiobj在停止状态下使用蔓延。当价差变化不大，且最终价差小于最近价差的平均值时，迭代就停止了。看到停止条件．

当问题有整数和线性约束时，软件修改所有生成的个体，使其在这些约束下是可行的。您可以使用任何创建、变异或交叉函数，并且整个种群对于整数和线性约束仍然是可行的。

当问题只有线性约束时，软件不会根据这些约束修改个体以使其可行。必须使用相对于线性约束保持可行性的创建、变异和交叉函数。否则，人口会变得不可行的，结果也会不可行的。默认操作符保持线性可行性:gacreationlinearfeasible或gacreationnonlinearfeasible为创造,mutationadaptfeasible突变,crossoverintermediate交叉。