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：
MATLAB
代码语言：javascript复制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;常用的options
选项 | 功能 | 值 |
|---|---|---|
CrossoverFraction | 交叉的概率 | 0-1的小数 |
EliteCount | 用于精英原则， 每次遗传中一定会活下来的个体的个数 | 正整数 |
FitnessLimit | 适应度的范围 | 标量/ {-Inf} |
Generations | 迭代遗传的次数 | 正整数 |
InitialPopulation | 初始种群 | 可以用上一次遗传生成的种群 作为下一次GA的初始种群 |
当然MATLAB官方说这个优化工具箱将在未来的版本中去除，请留意。
②利用命令运行GA工具箱
种群大小200 精英解的数量20 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
MATLAB
代码语言：javascript复制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函数运行时的结果：
