看看jMetal库1它是用 Java 编写的，它与 C++ 非常相似。它非常广泛，并且有几种，而且是最近的多目标方法。它可能是我在任何语言中找到的最好的 MO 库。

我还记得一些教授有NSGA III的 C++ 实现。他无法复制提出该算法的论文，但它可能完全符合您的需求。

编辑：我添加了一个讨论 NSGA III 实现的线程。另外，我想评论一下，我使用了在 Matlab 中实现的 NSGA II 的变体，具有许多目标（>10）和二进制变量，它对我的​​应用程序非常有效。所以尝试总是好的，即使人们说它仅限于一定数量的目标。您还必须智能地使用您的参数（种群大小、突变率等）

参考

1. JJ Durillo、AJ Nebro jMetal：用于多目标优化的 Java 框架。工程软件进展 42 (2011) 760-771。
2. AJ Nebro、JJ Durillo、M. Vergne 重新设计 jMetal 多目标优化框架。GECCO (Companion) 2015，第 1093-1100 页。2015 年 7 月。

COCO 框架有用吗？查看 GECCO 2016（及早期会议）上的比赛。 http://gecco-2016.sigevo.org/index.html/HomePage#&panel1-1

我不确定它是否确实具有 SPEA2 或 NSGA，但请查看DAKOTA。它具有各种遗传算法，可以解决离散和连续优化问题。您可以直接链接到它，也可以将其用作驱动程序，将您的程序称为黑盒。这都是开源的，所以我相信你可以添加自己的自定义算法，尽管我不能说这有多容易。

总体而言，它是一个出色且功能强大的优化程序（以及许多其他相关问题）。

尽管响应较晚，但我相信openGA是符合您要求的库。

它支持 NSGA-III 的多目标问题。它基于 C++，支持 Linux、Windows 和 OSX。openGA 的模板化结构需要您自己定义解决方案并对其进行管理，但这意味着您可以对其进行最大程度的定制，甚至可以使用它实现基因编程。尽管它最初并没有为 GP 计划。

您可以在解决方案上应用您想要的任何约束，这些约束可以在成本函数的开始、过程中或结束时起作用。