在平時寫論文中，需要進行最小化的參數優化問題時，利用遺傳算法進行優化可以為論文提分不少。然而，代碼的編寫遠比遺傳算法工具箱麻煩的多，在此，展示一個利用遺傳算法工具箱進行最小化優化的例子，友善讀者進行學習。
假設我們想要計算下面函數的最小值：
同時，我們假設x1和x2的取值範圍是(0,6)。是以，這是一個有限制的最小化問題。
先編寫目标函數的M檔案:
然後打開優化工具箱，選擇遺傳算法，輸入目标函數句柄和參數數目與取值範圍，因為目标函數求解簡單，其他參數均保持預設值，讀者可以根據需要調節初始群體以及終止條件等。求解結果如下：
可以看到，最小值近似于-9，與我們手算出來的最小值結果相同。一旦目标函數複雜以及參數數目衆多，遺傳算法全局尋優的優勢就展現出來了。