matalb中NSGA-Ⅱ多目标约束优化案例代码

在MATLAB中，非支配排序遗传算法II（NSGA-II）是一种常用的方法来进行多目标优化，特别是对于有约束的问题。它属于进化计算的一种，用于解决同时考虑多个优化目标的情况。

以下是一个简单的NSGA-II优化案例代码示例，这个例子假设我们有一个二维的目标函数，并且有一些线性约束：

% 导入必要库
import gptos.*
import optimization.*

% 定义目标函数
fun = @(x) [sin(x(1)) - x(2)^2, cos(x(1)) + x(2)];

% 定义约束条件
Aeq = [];
beq = zeros(size(Aeq, 1), 1);
lb = [-5; -5]; % 下界
ub = [5; 5];   % 上界

% 创建多目标优化问题
problem = optimproblem('Objective', fun, 'NonlinearConstraint', {[], beq}, ...
                       'LowerBound', lb, 'UpperBound', ub);

% 初始化NSGA-II算法
options = optimoptions(@gamultiobj,'Display','iter');
nsgaiiOptions = options;
nsgaiiOptions.MaxGenerations = 100; % 设置最大迭代次数

% 运行NSGA-II
[x, fval, exitflag, output] = gamultiobj(problem, nsgaiiOptions);

% 打印结果
disp(['Solution: ', num2str(x)])
disp(['Fitness values: ', num2str(fval)])
disp(['Exit flag: ', num2str(exitflag)])
disp(['Solution history: ', output.Xtrace])