遺傳算法是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法，由美國J.Holland教授提出，其主要特點是群體搜索策略和群體中個體之間的信息交換，搜索不依賴于梯度信息。它尤其適用于處理傳統搜索方法難于解決的復雜和非線性問題，可廣泛用于組合優化、機器學習、自適應控制、規劃設計和人工生命等領域，是21世紀有關智能計算中的關鍵技術之一。本章先從生物進化講起，接著示例介紹簡單遺傳算法的具體設計方法和步驟，然后歸納出遺傳算法的一般特點，最后簡要介紹遺傳算法的研究歷史和現狀以及今后將研究的主要有關課題。

　　生命科學與工程科學的相互交叉、相互滲透和相互促進是近代科學技術發展的一個顯著特點，而遺傳算法的蓬勃發展正體現了科學發展的這-特征和趨勢。

　　遺傳算法（Genetic Algorithm--GA），是模擬達爾文的遺傳I選擇和自然淘汰的生物進化過程的計算模型，它是由美國Michigan大學的J.Holland教授于1975年首先提出的“。J.Hlland教授和他的研究小組圍繞遺傳算法進行研究的宗旨有兩個，-是抽取和解釋自然系統的自適應過程，二是設計具有自然系統機理的人工系統。毫無疑問，Holand教授的研究無論對自然系統還是對人工系統都是十分有意義的。

　　眾所周知，在人工智能領域中，有不少問題需要在復雜而龐大的搜索空間中尋找最優解或準最優解。像貨郎擔問題和規劃問題等組合優化問題就是典型的例子，在求解此類問題時，若不能利用問題的固有知識來縮小搜索空間則會產生搜索的組合爆炸。因此，研究能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應地控制搜索過程，從而得到最優解或準最優解的通用搜索算法一直是令人矚目的課題。遺傳算法就是這種特別有效的算法。它的主要特點是簡單、通用，魯棒性強，適用于并行分布處理，應用范圍廣。盡管遺傳算法本身在理論和應用方法上仍有許多待進一步研究的問題，但它在組合優化問題求解、自適應控制、規劃設計、機器學習和人工生命等領域的應用中已展現了其特色和魅力。