为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度

为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度-For effective application of gene

MOEA/D算法中测试用的PF面。ZDT1，ZDT2，ZDT3,ZDT4,ZDT6(The PF surface used for testing in the MOEA/D algorithm. ZDT1, ZDT2, ZDT3, ZDT4, ZDT6)

nsga2算法，测试指标IGD和GD，测试函数ZDT1-ZDT4,DTLZ1-DTLZ4(NSGA2 algorithm, index metrics IGD and GD, test functions ZDT1-ZDT4, DTLZ1-DTLZ4)