遗传算法在MATLAB中如何设置适应度函数？

在MATLAB中，适应度函数是遗传算法的核心部分，它负责衡量个体（解）的质量。在使用`ga`函数时，你需要定义一个自定义函数，这个函数接受当前种群（一个包含解的结构体数组）作为输入，然后返回一个标量值数组，该数组的元素对应于种群中每个个体的适应度值。

例如，如果你正在优化一个一元二次函数 `f(x) = x^2 + 1`，你可以这样设置适应度函数：

% 定义适应度函数
fitnessFcn = @(x) -x.^2; % 因为我们希望最小化，所以返回负值

% 创建遗传算法选项结构
options = gaoptimset('PopulationSize', 100, 'MaxGenerations', 1000); 

% 使用ga函数
[xBest, fval] = ga(@minimizeFunction, [], [], [], [], [], options, fitnessFcn);

这里`@minimizeFunction`是一个匿名函数，它会传递给`ga`函数的实参，`[]`表示无固定范围的决策变量，`[]`表示无上下界约束，`[]`表示默认的编码方式。`fitnessFcn`则是我们自定义的适应度函数。

注意，适应度函数的具体形式应根据你要优化的问题来设计，通常应该反映目标函数的特性，使得适应度值越高代表解决方案越好。