差分进化（DE）算法实现带约束优化（Matlab源码）

关于单目标无约束优化问题，常见的做法为对违反约束的个体惩罚，即对适应度加上惩罚项，此方法一定程度上可以解决简单约束问题。但面对复杂的约束问题，惩罚项系数的选择变得十分困难；现提供一种思路，基于多目标优化思想，Pareto无支配排序准则，同等重要的看待目标函数（cost）和约束（cons）,以下结合一种实例对给出Matlab源码实现。

应用于简单的带约束的优化模型：

优化模型出处：同时该博主给出了函数图像和自己代码的运行结果（表示感谢）：
链接:优化模型出处.

代码实现：

约束处理方法如下：

特别需要注意的是：在选择时使用贪婪策略(有点像精英保留，提高全局搜索能力和收敛速度)

时间上也非常快！用时：2.7 s 左右！

当约束比较复杂时，上述方法可能很难兼顾（多）约束和目标搜寻到最优解（可行解）。
实际单（多）目标优化中常常遇到带约束的优化问题，如何解决这些问题，一种可行的思路是使用基于Pareto的无支配排序，对约束进行违反程度评价后排序，然后使用双策略进行优化：可行解过多时使用单目标无约束优化；可行解过少时使用约束满足优化【1】！

参考文献：
[1] Surry P D , Radcliffe N J . The COMOGA method: Constrained optimisation by multi-objective genetic algorithms[J]. Control & Cybernetics, 1997, 26(3).

有相关问题探讨请私信或留言，谢谢！
创作不易：如果有帮助请点赞！