遺傳算法的基本意思就是說象人的遺傳一樣，有一批種子程序，它們通過運(yùn)算得到一些結(jié)果，有好有壞，把好的一批取出來，做為下一輪計(jì)算的初值進(jìn)行運(yùn)算，反復(fù)如此，最終得到滿意的結(jié)果。

 遺傳算法是借鑒生物的自然選擇和遺傳進(jìn)化機(jī)制而開發(fā)出的一種全局優(yōu)化自適應(yīng)概率搜索算法。它采用群體搜索技術(shù)，通過對(duì)當(dāng)前群體使用選擇、交叉、變異等一系列遺傳操作，從而產(chǎn)生新一代的群體，并逐步使群體進(jìn)化到包含或接近最優(yōu)解的狀態(tài)。遺傳算法是新發(fā)展起來的一門學(xué)科，各種理論、方法尚未成熟，有待于進(jìn)一步地發(fā)展和完善，但它卻為我們解決許多復(fù)雜問題提供了希望。市面上有關(guān)遺傳算法的書也不少。下面的書都是不錯(cuò)的。  
  1.《演化程序》—遺傳算法和數(shù)據(jù)編碼的結(jié)合     [美]Z.米凱利維茨   著   科學(xué)出版社  
  2.《遺傳算法原理及應(yīng)用》   周明等編著     國防工業(yè)出版社  
舉個(gè)例子，假如有一個(gè)動(dòng)物群體，如果你能讓他們當(dāng)中越強(qiáng)壯的越能優(yōu)先交配和產(chǎn)籽，那么千萬年后，這個(gè)動(dòng)物群體肯定會(huì)變得更加強(qiáng)壯，這是很容易理解的。 
 
  同樣，對(duì)于許多算法問題，特別是NP問題，比如說最短路徑，如果有400個(gè)城市，讓你找出最短的旅游路線，采用窮舉比較，復(fù)雜度為O（n?。@時(shí)，你可以先隨機(jī)產(chǎn)生100種路徑，然后讓他們之中路程越短的那些越能優(yōu)先互相交換信息(比如每條里面隨機(jī)取出10個(gè)位置互相交換一下),那么循環(huán)幾千次后，算出來的路徑就跟最短路徑非常接近了（即求出一個(gè)近似最優(yōu)解）。（在下編程驗(yàn)證過，卻是很靈。）  
  遺傳算法的應(yīng)用還有很多，基本思想都一樣，但實(shí)現(xiàn)上可能差別非常大。  
  現(xiàn)在有許多搞算法的人不喜歡遺傳算法，因?yàn)?，它只給出了一種“有用”的方法，卻不能保證有用的程度，與此相反，能保證接近最優(yōu)程度的概率算法更受青睞。

遺傳算法（Genetic   Algorithm）是一類借鑒生物界的進(jìn)化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機(jī)制）演化而來的隨機(jī)化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號(hào)處理、自適應(yīng)控制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)之一。  

  3.遺傳算法的特點(diǎn)    
   
  遺傳算法作為一種快捷、簡便、容錯(cuò)性強(qiáng)的算法，在各類結(jié)構(gòu)對(duì)象的優(yōu)化過程中顯示  
   
  出明顯的優(yōu)勢(shì)。與傳統(tǒng)的搜索方法相比，遺傳算法具有如下特點(diǎn)：  
   
  搜索過程不直接作用在變量上，而是在參數(shù)集進(jìn)行了編碼的個(gè)體。此編碼操作，    
  使得遺傳算法可直接對(duì)結(jié)構(gòu)對(duì)象（集合、序列、矩陣、樹、圖、鏈和表）進(jìn)行操作。  
   
  搜索過程是從一組解迭代到另一組解，采用同時(shí)處理群體中多個(gè)個(gè)體的方法，降    
  低了陷入局部最優(yōu)解的可能性，并易于并行化。  
   
  采用概率的變遷規(guī)則來指導(dǎo)搜索方向，而不采用確定性搜索規(guī)則。    
  對(duì)搜索空間沒有任何特殊要求（如連通性、凸性等），只利用適應(yīng)性信息，不需要    
  導(dǎo)數(shù)等其它輔助信息，適應(yīng)范圍更廣。