核心函數：
(1)function
[pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始種群的生成函數
【輸出參數】
pop--生成的初始種群
【輸入參數】
num--種群中的個體數目
bounds--代表變量的上下界的矩陣
eevalFN--适應度函數
eevalOps--傳遞給适應度函數的參數
options--選擇編碼形式(浮點編碼或是二進制編碼)[precision F_or_B],如
precision--變量進行二進制編碼時指定的精度
F_or_B--為1時選擇浮點編碼，否則為二進制編碼,由precision指定精度)
(2)function [x,endPop,bPop,traceInfo] =
ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遺傳算法函數
【輸出參數】
x--求得的最優解
endPop--最終得到的種群
bPop--最優種群的一個搜尋軌迹
【輸入參數】
bounds--代表變量上下界的矩陣
evalFN--适應度函數
evalOps--傳遞給适應度函數的參數
startPop-初始種群
opts[epsilon
prob_ops
display]--opts(1:2)等同于initializega的options參數，第三個參數控制是否輸出，一般為0。如[1e-6
1 0]
termFN--終止函數的名稱,如['maxGenTerm']
termOps--傳遞個終止函數的參數,如[100]
selectFN--選擇函數的名稱,如['normGeomSelect']
selectOps--傳遞個選擇函數的參數,如[0.08]
xOverFNs--交叉函數名稱表，以空格分開，如['arithXover heuristicXover
simpleXover']
xOverOps--傳遞給交叉函數的參數表，如[2 0;2 3;2 0]
mutFNs--變異函數表，如['boundaryMutation multiNonUnifMutation
nonUnifMutation unifMutation']
mutOps--傳遞給交叉函數的參數表,如[4 0 0;6 100 3;4 100 3;4 0 0]
注意】matlab工具箱函數必須放在工作目錄下
【問題】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】選擇二進制編碼，種群中的個體數目為10，二進制編碼長度為20，交叉機率為0.95,變異機率為0.08
【程式清單】
%編寫目标函數
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函數存儲為fitness.m檔案并放在工作目錄下
initPop=initializega(10,[0
9],'fitness');%生成初始種群，大小為10
[x endPop,bPop,trace]=ga([0
9],'fitness',[],initPop,[1e-6 1
1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %次遺傳疊代
運算借過為：x =
7.8562
24.8553(當x為7.8562時，f(x)取最大值24.8553)
注：遺傳算法一般用來取得近似最優解，而不是最優解。
遺傳算法執行個體2
【問題】在－5<=Xi<=5,i=1,2區間内，求解
f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。
【分析】種群大小10，最大代數1000，變異率0.1,交叉率0.3
【程式清單】
％源函數的matlab代碼
function [eval]=f(sol)
numv=size(sol,2);
x=sol(1:numv);
eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282;
%适應度函數的matlab代碼
function [sol,eval]=fitness(sol,options)
numv=size(sol,2)-1;
x=sol(1:numv);
eval=f(x);
eval=-eval;
%遺傳算法的matlab代碼
bounds=ones(2,1)*[-5 5];
[p,endPop,bestSols,trace]=ga(bounds,'fitness')
注：前兩個檔案存儲為m檔案并放在工作目錄下，運作結果為
p =
0.0000 -0.0000 0.0055
大家可以直接繪出f(x)的圖形來大概看看f(x)的最值是多少，也可是使用優化函數來驗證。matlab指令行執行指令：
fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9])
evalops是傳遞給适應度函數的參數，opts是二進制編碼的精度，termops是選擇maxGenTerm結束函數時傳遞個maxGenTerm的參數，即遺傳代數。xoverops是傳遞給交叉函數的參數。mutops是傳遞給變異函數的參數。
安裝
如
果是Matlab安裝CD光牒上的工具箱，重新執行安裝程式，選中即可。如果是單獨下載下傳的工具箱，一般情況下僅需要把新的工具箱解壓到某個目錄，然後用
addpath對于多個目錄的使用genpath()或者pathtool添加工具箱的路徑，然後用which
newtoolbox_command.m來檢驗是否可以通路。如果能夠顯示新設定的路徑，則表明該工具箱可以使用了。具體請看工具箱自己代的
README檔案。
舉例：
下載下傳遺傳算法工具箱，解壓後，裡邊有一個目錄gaot
若matlab安裝在D:\MATLAB6p5
将gaot目錄拷貝至D:\MATLAB6p5\toolbox
然後運作matlab，在指令視窗輸入addpath D:\MATLAB6p5\toolbox\gaot回車，來添加路徑。
然後在gaot目錄下，任意找一個m檔案，以ga.m為例
在指令視窗中輸入which ga.m
如果顯示出該檔案路徑，如 D:\MATLAB6p5\toolbox\gaot\ga.m
則安裝成功