主导地位- 一个点X占主导地位的一个点ÿ对于一个向量值的目标函数F什么时候：

“支配”一词相当于“下等”一词:X占主导地位ÿ什么时候ÿ不如X。

一个非支配集一组点之间P这是一组点吗Q在P不受任何主宰点P。

秩- 对于个人是可行的，有个人的职级的迭代定义。排名第1，个人不被任何其他个人为主。等级2个人只被1个个体为主。在一般情况下，秩ķ个人只有在个人级为主期k - 1或更低。

等级越低的个体被选择的机会就越高(等级越低越好)。

所有不可行个体的排序都比可行个体差。在不可行种群中，秩为排序不可行测度的排序，加上可行成员的最高秩。

gamultiobj使用等级选择父母。

拥挤距离-拥挤距离是个体与其最近的邻居之间的亲密程度的度量。的gamultiobj算法测量同一等级的个体间的距离。默认情况下，该算法措施，目标函数的空间距离。但是，您可以通过设置测量决策变量空间（也称为设计变量空间）的距离DistanceMeasureFcn选项{@distancecrowding,基因型的}。

该算法将个人的距离在极限位置正。对于剩余的个体，算法计算距离的总和超过个人之间的归一化的绝对距离的尺寸来分类的邻居。换句话说，对于维米和排序，按比例个人一世：

该算法分别排序每个维度，所以术语邻居意味着在每个维度的邻居。

具有较高的距离同级别的个人有选择的机会较高（较高的距离为好）。

您可以选择与默认拥挤距离不同的拥挤距离度量@distancecrowding函数。看到多目标的选择。

拥挤距离是计算扩散的一个因素，它是停止准则的一部分。拥挤距离也被用来作为比赛选择的决定因素，当两个被选中的个体具有相同的排名。

传播- 传播是帕雷托集合的运动的度量。为了计算蔓延，gamultiobj算法首先评估σ，拥挤距离的标准差衡量的是在有限距离的帕累托前沿的点。Q是这些点的个数，和d是这些点间的平均距离测量值。然后，该算法评估μ，在当前最小值帕累托点为该索引和在先前迭代该索引的最低点之间的差值的范数的k个目标函数指数的总和。价差是那么

当目标函数极值在迭代之间变化不大时(即，μ，当帕累托前沿的点均匀分布时(即，σ是小）。

gamultiobj在停止条件下使用扩展。当扩展不太变化时迭代就会停止，并且最终的扩展小于最近扩展的平均值。看到停止条件。