MATLAB中用于求解非线性规划的函数为fmincon，这在5.3.2节已经讲过，这里不再重复。本节讲解遗传算法求解非线性规划。

通常非线性整数规划是一个具有指数复杂度的NP问题。如果约束较为复杂，MATLAB优化工具箱和一些优化软件如Lingo等，常常无法应用，即使能应用，也不能给出一个令人较为满意的解。这时就需要针对问题专门设计优化算法。

将遗传算法应用于非线性规划，是提高优化质量和改善收敛效果的有效途径。本节介绍遗传算法在非线性规划中的具体应用，设计并实现求解非线性规划问题的遗传算法。

例5.27　标准遗传算法的一个重要概念是染色体是可能解的二进制序号，由这个序号在可能解的集合（解空间）中找到可能解。运用遗传算法求解设定的非线性方程组。

分析：标准遗传算法由染色体（可能解的二进制）顺序号找到可能解，把解代入设定的非线性方程组计算误差函数，判定方程组是否有解函数，选择最优染色体函数。

解：标准遗传算法的流程如下。

①程序初始化，随机生成一组可能解（第一批染色体）；

②由可能解的序号寻找解本身；

③把解代入非线性方程计算误差，如果误差符合要求，停止计算；

④选择最优解对应的最优染色体；(www.daowen.com)

⑤保留每次迭代产生的最优染色体，以防最优染色体丢失；

⑥把保留的最优染色体holdBestChromosome加入染色体群中；

⑦为每一条染色体（即可能解的序号）定义一个概率；

⑧按照概率筛选染色体；

⑨染色体杂交；

⑩变异。

编写MATLAB代码如下：

运行后得到结果如下：

即迭代166次，方程的解为[－7，5，1，－3]，解的误差为5.471 179 065 352 771×10－13。