遺伝的アルゴリズムのFunction CountとPopulation Sizeの関係について

gaを用いて、非線形制約付きの整数のパラメータ最適化を行っているのですが、Function Countについて教えてください。

今回、36パラメータを最適化しようとしているため、Population Sizeは下記のドキュメントを参照すると、mixed-integer problemsに該当するため、一世代{min(max(10*nvars,40),100)}→{min(max(10*36,40),100)}→{min(360,100)}→100個体になると考えていました。

Positive integer | {50} when numberOfVariables <= 5, {200} otherwise | {min(max(10*nvars,40),100)} for mixed-integer problems

https://jp.mathworks.com/help/gads/ga.html?searchHighlight=ga%20options&s_tid=srchtitle#mw_4a8bfdb9-7c4c-4302-8f47-d260b7a43e26

しかし、実際に動かしてみると最初は200で、以降95ずつ増えているようでした。

最初が多く、以降も100になっていない理由は何でしょうか。

                                  Best          Mean         Stall
Generation      Func-count     Penalty         Penalty    Generations
    1              200      -1.166e+06      -1.166e+06        0
    2              295      -1.166e+06       -5.83e+04        1
    3              390      -1.166e+06       -5.83e+04        2
    4              485      -1.166e+06       -5.83e+04        3
    5              580      -1.166e+06       -5.83e+04        4
    6              675      -1.166e+06       -5.83e+04        5
    7              770      -1.166e+06       -5.83e+04        6
    8              865      -1.166e+06       -5.83e+04        7
    9              960      -1.166e+06       -5.83e+04        8
   10             1055      -1.166e+06       -5.83e+04        9
   11             1150      -1.166e+06       -5.83e+04       10
Optimization terminated: average change in the penalty fitness value less than options.FunctionTolerance
and constraint violation is less than options.ConstraintTolerance.

今回の問題でのoptionは下記のとおりです。

options = 

  ga オプション:

   設定されているプロパティ:
             ConstraintTolerance: 0.5000
                     CreationFcn: []
                         Display: 'iter'
         InitialPopulationMatrix: [1×36 double]
                  MaxGenerations: 10000
             MaxStallGenerations: 10
                         PlotFcn: {@gaplotbestf}
                     UseParallel: 1

   既定のプロパティ:
                    CrossoverFcn: @crossoverscattered
               CrossoverFraction: 0.8000
                      EliteCount: '0.05*PopulationSize'
                    FitnessLimit: -Inf
               FitnessScalingFcn: @fitscalingrank
               FunctionTolerance: 1.0000e-06
                       HybridFcn: []
          InitialPopulationRange: []
             InitialScoresMatrix: []
                    MaxStallTime: Inf
                         MaxTime: Inf
                     MutationFcn: {@mutationgaussian  [1]  [1]}
    NonlinearConstraintAlgorithm: 'auglag'
                       OutputFcn: []
                  PopulationSize: '50 when numberOfVariables <= 5, else 200'
                  PopulationType: 'doubleVector'
                    SelectionFcn: @selectionstochunif
                   UseVectorized: 0

よろしくお願い致します。

[Yohei]

試しにPopulation sizeを明示的に100とした場合でも上記と同じ結果になりました。

また、Population sizeを200とした場合は下記の様に最初だけ400で、以降195ずつ増える結果になりました。

                                  Best          Mean         Stall
Generation      Func-count     Penalty         Penalty    Generations
    1              400      -1.166e+06      -1.166e+06        0
    2              595      -1.166e+06      -2.915e+04        1
    3              790      -1.166e+06      -2.915e+04        2
    4              985      -1.166e+06      -2.915e+04        3
    5             1180      -1.166e+06      -2.915e+04        4
    6             1375      -1.166e+06      -1.166e+06        5
    7             1570      -1.166e+06      -2.915e+04        6
    8             1765      -1.166e+06      -1.166e+06        7
    9             1960      -1.166e+06      -2.915e+04        8
   10             2155      -1.166e+06      -2.915e+04        9
   11             2350      -1.166e+06      -2.915e+04       10