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(tǒng)搜索方法難于解決的復(fù)雜和非線性問題，可廣泛用于組合優(yōu)化、機器學(xué)習(xí)、自適應(yīng)控制、規(guī)劃設(shè)計和人工生命等領(lǐng)域，是21世紀(jì)有關(guān)智能計算中的關(guān)鍵技術(shù)之一。本章先從生物進(jìn)化講起，接著示例介紹簡單遺傳算法的具體設(shè)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(xiàn)狀以及今后將研究的主要有關(guān)課題。

　　生命科學(xué)與工程科學(xué)的相互交叉、相互滲透和相互促進(jìn)是近代科學(xué)技術(shù)發(fā)展的一個顯著特點，而遺傳算法的蓬勃發(fā)展正體現(xiàn)了科學(xué)發(fā)展的這-特征和趨勢。

　　遺傳算法（Genetic Algorithm--GA），是模擬達(dá)爾文的遺傳I選擇和自然淘汰的生物進(jìn)化過程的計算模型，它是由美國Michigan大學(xué)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(jìn)行研究的宗旨有兩個，-是抽取和解釋自然系統(tǒng)的自適應(yīng)過程，二是設(shè)計具有自然系統(tǒng)機理的人工系統(tǒng)。毫無疑問，Holand教授的研究無論對自然系統(tǒng)還是對人工系統(tǒng)都是十分有意義的。

　　眾所周知，在人工智能領(lǐng)域中，有不少問題需要在復(fù)雜而龐大的搜索空間中尋找最優(yōu)解或準(zhǔn)最優(yōu)解。像貨郎擔(dān)問題和規(guī)劃問題等組合優(yōu)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(chǎn)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(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程，從而得到最優(yōu)解或準(zhǔn)最優(yōu)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(yīng)用范圍廣。盡管遺傳算法本身在理論和應(yīng)用方法上仍有許多待進(jìn)一步研究的問題，但它在組合優(yōu)化問題求解、自適應(yīng)控制、規(guī)劃設(shè)計、機器學(xué)習(xí)和人工生命等領(lǐng)域的應(yīng)用中已展現(xiàn)了其特色和魅力。