遺傳算法簡稱GA（Genetic Algorithms）是1962年由美國Michigan大學(xué)的Holland教授提出的模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。它將“優(yōu)劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，按所選擇的適配值函數(shù)并通過遺傳中的復(fù)制、交叉及變異對個體進(jìn)行篩選，使適配值高的個體被保留下來，組成新的群體，新的群體既繼承了上代的信息，又優(yōu)于上一代。這樣周而復(fù)始，群體中個體適應(yīng)度不斷提高，直到滿足一定的條件。其算法簡單，可并行處理，能得到全局最優(yōu)解。遺傳算法的主要特點：

　?。?）遺傳算法是對參數(shù)的編碼進(jìn)行操作，而非對參數(shù)本身：

　?。?）遺傳算法是從許多點開始并行操作，而非局限于點；

　?。?）遺傳算法通過目標(biāo)函數(shù)來計算適配值，而不需要其他推導(dǎo)，從而對問題的依賴性較小：

　?。?）遺傳算法的尋優(yōu)規(guī)則是由概率決定的，而非確定性的；

　?。?）遺傳算法在解空間進(jìn)行高效啟發(fā)式搜索，而非肓日地窮舉或完全隨機(jī)搜索：

　　（6）遺傳算法對于待尋優(yōu)的函數(shù)基本無限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微，既可以是數(shù)學(xué)解析式所表示的顯函數(shù)，又可以是映射矩陣其至是神經(jīng)網(wǎng)絡(luò)的隱函數(shù)，因而應(yīng)用范圍較廣；

　?。?）遺傳算法具有并行計算的特點，因而可通過大規(guī)模并行計算來提高計算速度：

　?。?）遺傳算法更適合大規(guī)模復(fù)雜問題的優(yōu)化；

　?。?）遺傳算法計算簡單，功能強(qiáng)。