该函数实现了一种使用遗传算法优化多项式形式的方法，即减少与使用所有可能项的最小二乘拟合相比所需的项数，如下文所述：

Clegg，J.等人，“使用遗传算法优化适合实验数据的多维多项式的函数形式”，2005年IEEE进化计算大会，928-934，爱丁堡，2005年9月

n个变量的一般多项式可以表示为:

a1 * x1 ^ 2 * x2 xn ^ ^ 4 * x3 ^ 1 * p + a2 * x_1 x2 ^ 3 ^ 6 * * x3 ^ 1 * xn ^ p +……

线性最小二乘拟合可以找到上述“A”表示的系数值，从而使函数和一组数据之间的误差最小化。如果事先不知道数据的功能形式，则可能需要使用所有可能的术语和功率组合，直到给定的大小。因为多项式中的项数由（n+（m-1））！/（n！）（m-1）！其中n是使用的最大功率，m是变量数量，对于多变量模型，所有可能项的数量可能变得非常大。例如，一个具有12个变量（最多8阶）的模型需要75582个术语。此外，这可能需要反演一个非常大的矩阵，以评估回归模型。

这个函数生成多项式形式的总体，每个多项式形式都是所有可能项的集合的子集，并评估它们是否适合由函数polyfitn返回的r平方值给出的模型数据。然后，根据它们的相对分数，利用遗传算法进行进化。进化是通过成功个体的交配和随机突变的引入来实现的。

该函数利用英国谢菲尔德大学进化计算团队的免费GA工具箱：

http://www.shef.ac.uk/acse/research/ecrg/gat.html

但关键子函数objpolyfit, crtpolyp, recpoly和mutpoly无疑可以很容易地使用MATLAB遗传算法和直接搜索工具箱。

这个函数可以使用文件交换中提供的多核包，但这不是必需的，只要始终使用选项即可。MCORE = false选项(任何情况下的默认选项)。

当前可在此处找到所需/推荐的功能：

遗传算法工具箱(必需):
http://codem.group.shef.ac.uk/index.php/ga-toolbox

polyfitn（必需）：
http://www.mathworks.co.uk/matlabcentral/fileexchange/34765-polyfitn

gfit2(必需):
http://www.mathworks.co.uk/matlabcentral/fileexchange/22020

randMat(必需):
http://www.mathworks.co.uk/matlabcentral/fileexchange/24712

多核（可选）：
http://www.mathworks.co.uk/matlabcentral/fileexchange/13775

* * * * *注意* * * * *

Gapolyfitn可以很好地将高阶多项式拟合到你的数据中。需要注意的是，这种高阶多项式可以给一个很好的分数，但在数据点之间存在高度的“铃声”。因此，用户在使用此工具拟合数据时应多加小心。