请给出一个NSGA-II的MATLAB代码

以下是一个简单的NSGA-II的MATLAB代码：

function [pop, f] = nsga2(fun, nvars, lb, ub, nobj, popsize, maxit)

% fun - 目标函数句柄
% nvars - 变量数
% lb - 变量下限
% ub - 变量上限
% nobj - 目标函数数
% popsize - 种群大小
% maxit - 最大迭代次数

% 初始化种群
pop = rand(popsize, nvars);
for i = 1:nvars
    pop(:, i) = lb(i) + (ub(i) - lb(i)) * pop(:, i);
end

% 进行迭代
for it = 1:maxit
    % 计算种群中每个个体的目标函数值
    f = zeros(popsize, nobj);
    for i = 1:popsize
        f(i, :) = feval(fun, pop(i, :));
    end
    
    % 计算每个个体的拥挤度
    crowding = zeros(popsize, nobj);
    for i = 1:nobj
        [f_sorted, idx_sorted] = sort(f(:, i));
        crowding(idx_sorted(1)) = Inf;
        crowding(idx_sorted(end)) = Inf;
        for j = 2:popsize-1
            crowding(idx_sorted(j)) = crowding(idx_sorted(j)) + ...
                (f_sorted(j+1) - f_sorted(j-1)) / (f_sorted(end) - f_sorted(1));
        end
    end
    
    % 计算每个个体的适应值
    fitness = zeros(popsize, 1);
    for i = 1:popsize
        fitness(i) = sum(crowding(i, :));
    end
    
    % 选择新的种群
    newpop = zeros(popsize, nvars);
    for i = 1:popsize
        % 随机选择两个个体
        p1 = randi(popsize);
        p2 = randi(popsize);
        while p2 == p1
            p2 = randi(popsize);
        end
        
        % 判断两个个体的适应值
        if fitness(p1) < fitness(p2)
            newpop(i, :) = pop(p1, :);
        else
            newpop(i, :) = pop(p2, :);
        end
    end
    
    % 变异
    for i = 1:popsize
        % 随机选择一个个体
        p = randi(popsize);
        
        % 随机选择一个变量进行变异
        v = randi(nvars);
        
        % 变异操作
        newpop(i, v) = lb(v) + (ub(v) - lb(v)) * rand();
    end
    
    % 更新种群
    pop = newpop;
end

% 返回种群和最终的目标函数值
f = zeros(popsize, nobj);
for i = 1:popsize
    f(i, :) = feval(fun, pop(i, :));
end

end

这是一个简单的NSGA-II实现，只考虑了单点变异和二元锦标赛选择。实际上，NSGA-II还有很多改进和优化的空间，比如多点变异、交叉、拥挤度算法等等。