a.開啟工具箱。在Solver裡選擇 ga -Genetic Algorithmb. 編寫fitness function：建立一個.m檔案，比如fitness.m程式碼：function [y] = fitness( x ) y = 0.5*x(1)^2 + x(2)^2 -x(1)*x(2) -2*x(1) -6*x(2);end就這麼簡單就可以了。x表示的是輸入值，y是要最小化的值。c. 在Optimization Tool 裡的fitnessfunction : 寫上 @fitness number of variables 裡寫上2，表示輸入向量（注意理解向量）裡只有二個值。 A和b分別是線性不等約束條件的矩陣係數A和向量b；Aeq和beq分別是線性等式約束條件的矩陣係數Aeq和向量beq；LB和UB分別為nvars個帶求解變數的上下限向量。注意：這裡面的向量都是列向量哦！其他引數可以參考matlab的help。 然後點start，結果就跑出來了（這個y的函式還有上下限，就不寫了，如果去matlab上就自己選一個簡單點的吧）
a.開啟工具箱。在Solver裡選擇 ga -Genetic Algorithmb. 編寫fitness function：建立一個.m檔案，比如fitness.m程式碼：function [y] = fitness( x ) y = 0.5*x(1)^2 + x(2)^2 -x(1)*x(2) -2*x(1) -6*x(2);end就這麼簡單就可以了。x表示的是輸入值，y是要最小化的值。c. 在Optimization Tool 裡的fitnessfunction : 寫上 @fitness number of variables 裡寫上2，表示輸入向量（注意理解向量）裡只有二個值。 A和b分別是線性不等約束條件的矩陣係數A和向量b；Aeq和beq分別是線性等式約束條件的矩陣係數Aeq和向量beq；LB和UB分別為nvars個帶求解變數的上下限向量。注意：這裡面的向量都是列向量哦！其他引數可以參考matlab的help。 然後點start，結果就跑出來了（這個y的函式還有上下限，就不寫了，如果去matlab上就自己選一個簡單點的吧）