一、获取代码方式
获取代码方式1：
完整代码已上传我的资源：【优化求解】基于matlab改进的遗传算法求解带约束的优化问题【含Matlab源码 1773期】
获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。
备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；
二、部分源代码
clear;clc;close all%% 参数设置PopSize = 20;MaxGen = 20;plt = 1; % 运行过程是否实时画迭代优化图，默认关闭(可极大提高运行速度)%% 初始化Population = Init(PopSize);ConvergenceObj = zeros(2,PopSize);ConvergenceCon = zeros(2,PopSize);BestSol = repmat(Population(1),1,MaxGen);%% 开始优化求解h = figure();for gen = 1:MaxGenMatingPool = TournamentSelection(2,PopSize,[Population.con],[Population.obj]); %挑选父代Offspring = GA(Population(MatingPool)); %进行交叉变异操作Population = EnviornmentalSelection(Population,Offspring,gen/MaxGen); %挑选子代RecordInfo(); % 记录迭代优化信息endfunction New_Population = EnviornmentalSelection(Population,Offspring,state)% 本函数用来挑选新的种群N = length(Population);New_Population = Population;%% 基本思路如下：为了确保种群的多样性，采用一对一替换机制。只有后代表现强于父代才会发生替换。for i=1:Npcv = Population(i).con;ccv = Offspring(i).con;pf = Population(i).obj;cf = Offspring(i).obj;if (pcv == 0 && ccv == 0) % 采用 feasible rules 挑选新解if pf < cfNew_Population(i) = Population(i);elseNew_Population(i) = Offspring(i);endelseif pcv < ccvNew_Population(i) = Population(i);elseNew_Population(i) = Offspring(i);endendend% %% 此处采用精英保留策略，每一次迭代之后，挑选指定数量的最佳解替换最劣解，其中数量于概率根据迭代进度计算% objs = [New_Population.obj];% cons = [New_Population.cons];% [~,index] = sortrows([cons' objs']);% n = ceil((1-state)*(N/100));% if rand>state*state/2%New_Population(index(end-n+1:end)) = New_Population(index(1:n));% end
三、运行结果
四、matlab版本及参考文献
1 matlab版本
a
2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，.
[3]周品.MATLAB 神经网络设计与应用[M].清华大学出版社，.
[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社，.
[5]方清城.MATLAB Ra神经网络设计与应用28个案例分析[M].清华大学出版社，.
