我编写了一种算法，该算法返回的列表类似于nsga2返回的列表。
（软件包“ mco”（pdf）的nsga2）
该算法本身无法识别某个点是否为非支配点。它返回的某些点占主导地位，并且仅包含点及其值，而不包含nsga2返回的逻辑向量。
我试图得到非支配点（不是它们的值）。
使用nsga2的结果，您可以使用paretoSet（）来获取值，但是这取决于在nsga2期间已预先计算逻辑向量。
我还查看了“ mco”的paretoFront（）/ paretoFilter（）和包“ emoa”（pdf）的nondominated_points（），但是它们仅适用于值，无法获取点。
解决此问题的一种方法是接受值，然后对每个值遍历各个点，查看其是否具有该值，然后将其添加到列表中。但是我认为必须存在一个返回点的函数。
要重现此内容，您可以使用：
res = nsga2(func, 3, 2, lower.bounds=rep(0, 5), upper.bounds=rep(1, 5))
res$pareto.optimal = NULL
points = paretoSet(res) # points will be empty because res does
# not have the logic vector
最佳答案
这是一个较晚的答案，但对将来的访问者可能有用。
在使用不同的输入数据更仔细地测试了您的答案代码之后，我意识到它在某些情况下可能无法正常工作。
看一下这个例子。输入数据为here。
使用您的代码的结果（已调整）：
urlfile<-'https://raw.githubusercontent.com/allanvc/pareto_non_dominated_points-test/master/data_example.txt'
dt<-read.table(urlfile, header=TRUE)
from = 1:nrow(dt)
d <- as.data.frame(cbind(dt, from))
D = d[order(d$x, d$y), ]
nondom = D[which(!duplicated(cummin(d$y))), ]
plot(d[,c(1,2)])
points(nondom, col='red')
我们可以清楚地看到，您的算法无法正确找到非支配点。例如，左下角（原点附近）的紫色点就是其中之一。
在寻求一种替代且快速的解决方案之后，我找到了两个可以完成任务的软件包：“ ecr”和“ emoa”。实际上emoa会在内部加载ecr。
与ecr：
# ecr alternative:
library(ecr)
nondom_ecr <- dt[which.nondominated(t(dt)),]
plot(dt)
points(nondom_ecr, col='red')
与emoa：
library(emoa)
nondom_emoa <- nondominated_points(t(as.matrix(dt)))
plot(dt)
points(t(nondom_emoa), col='green')
注意：
在这两种情况下，我们都必须将数据矩阵作为“长格式”传递给函数。因此，我们简单地将其与t（）转置。
有关这些软件包的更多信息，请参见：
https://www.rdocumentation.org/packages/ecr/versions/2.1.0/
http://r.adu.org.za/web/packages/emoa/emoa.pdf
会议信息：
R version 3.4.4 (2018-03-15)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Linux Mint 18.3
Matrix products: default
BLAS: /usr/lib/libblas/libblas.so.3.6.0
LAPACK: /usr/lib/lapack/liblapack.so.3.6.0
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=pt_BR.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=pt_BR.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=pt_BR.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] emoa_0.5-0 ecr_2.1.0 smoof_1.5.1 checkmate_1.8.5 ParamHelpers_1.10 BBmisc_1.11
[7] magrittr_1.5 ggplot2_2.2.1 RcppMLPACK_1.0.10-6 Rcpp_0.12.16
loaded via a namespace (and not attached):
[1] parallelMap_1.3 pillar_1.1.0 compiler_3.4.4 RColorBrewer_1.1-2 plyr_1.8.4 bindr_0.1
[7] tools_3.4.4 digest_0.6.14 viridisLite_0.2.0 jsonlite_1.5 tibble_1.4.2 gtable_0.2.0
[13] pkgconfig_2.0.1 rlang_0.1.6 parallel_3.4.4 yaml_2.1.16 bindrcpp_0.2 stringr_1.2.0
[19] dplyr_0.7.4 httr_1.3.1 htmlwidgets_1.0 plot3D_1.1.1 grid_3.4.4 glue_1.2.0
[25] data.table_1.10.4-3 R6_2.2.2 plotly_4.7.1 mco_1.0-15.1 RJSONIO_1.3-0 reshape2_1.4.3
[31] tidyr_0.7.2 purrr_0.2.4 backports_1.1.2 scales_0.5.0 htmltools_0.3.6 assertthat_0.2.0
[37] misc3d_0.8-4 colorspace_1.3-2 labeling_0.3 stringi_1.1.6 lazyeval_0.2.1 munsell_0.4.3
关于r - 帕累托优化-非支配点，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/25585519/