NSGA算法是一種用於解決多目標最佳化問題的遺傳算法，它根據個體之間的支配關係進行分層，以確保好的個體有更大的機會遺傳到下一代。NSGA算法的主要特點包括：
非支配分層。種群中的個體根據它們之間的支配與非支配關係進行分層，這樣可以使好的（即支配關係高的）個體有更大的機會遺傳到下一代。
適應度共享策略。採用適應度共享策略，使得準Pareto面上的個體均勻分布，這有助於保持種群的多樣性，克服超級個體的過度繁殖，防止早熟收斂。
計算複雜性。NSGA的一個主要缺點是其計算複雜性較高，特別是在處理具有大量目標函式和種群大小的問題時，這可能導致算法運行緩慢。
與NSGA-Ⅱ相比，NSGA算法雖然也有效地解決了多目標最佳化問題，但其計算效率和解決方案的多樣性方面存在不足。NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm Version 2）是NSGA的改進版本，它通過引入快速非支配排序、擁擠度比較運算元和精英策略，顯著提高了算法的性能和效率。