MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB软件是一个功能很强大的工具，其中可以使用GA工具箱进行遗传算法的数据优化，下面给出具体的操作简单的实例。
①利用GUI打开并使用MATLAB遗传算法工具箱。
打开MATLAB选择应用程序，点击Optimization。
打开后显示优化界面
第一个solver选择ga
函数（注意是单目标只能有一个函数输出值）的MATLAB代码填入Fitness Funtion，输入变量值为2，其它设置options可以使用自定义，也可以使用默认，这里我的种群设置为200。设置完后点击start
我优化的函数代码：
function f=GA_demo(x)
f1=4*x(1).^3+4*x(1)*x(2)+2*x(2).^2-42*x(1)-14;
f2=4*x(2).^3+4*x(1)*x(2)+2*x(1).^2-26*x(1)-22;
f=f1.^2+f2.^2;
交叉率0.75
迭代次数1000
停止代数（stall generations）与适应度函数值偏差（function tolerance）。若在Stallgenerations设定的代数内，适应度函数值的加权平均变化值小于function tolerance，算法停止
优化的函数是上面GUI中给出的函数
% 适应度函数句柄
nvars = 2;% 个体的变量数目
options = gaoptimset('PopulationSize',200,'EliteCount',20,'CrossoverFraction',0.75,'Generations',1000,'StallGenLimit',500,'TolFun',1e-100,'PlotFcns',{@gaplotbestf,@gaplotbestindiv}); %参数设置
[x_best,fval] =ga(fitnessfcn,nvars,[],[],[],[],[],[],[],options); % 调用ga函数
clear
clc
fitnessfcn
=
@
GA_demo
;
%
适应度函数句柄
nvars
=
2
;
% 个体的变量数目
options
=
gaoptimset
(
'PopulationSize'
,
200
,
'EliteCount'
,
20
,
'CrossoverFraction'
,
0.75
,
'Generations'
,
1000
,
'StallGenLimit'
,
500
,
'TolFun'
,
1e
-
100
,
'PlotFcns'
,
{
@
gaplotbestf
,
@
gaplotbestindiv
}
)
;
%参数设置
[
x_best
,
fval
]
=
ga
(
fitnessfcn
,
nvars
,
[
]
,
[
]
,
[
]
,
[
]
,
[
]
,
[
]
,
[
]
,
options
)
;
% 调用ga函数
