遗传算法（GA）是一种通过随机搜索来运行的启发式优化方法。优化问题的可能解集被视为一个 种群，其中包含 个体。个体对其环境的适应程度由其 适应度 来指定。
搜索空间中个体的坐标由 染色体 表示，本质上是一组字符串。 基因 是染色体的一个子集，它编码了正在优化的单个参数的值。基因的典型编码可以是 二进制 或 整数。
通过模拟 重组、 变异 和 选择 等进化操作，可以找到比其祖先具有更高平均适应度的新一代搜索点。 图 61.1 说明了这些步骤。
图 61.1. 遗传算法结构
根据 comp.ai.genetic常见问题解答我们怎么强调都不过分，一个GA不是对问题解决方案的纯随机搜索。一个GA使用随机过程，但结果明显不是随机的（比随机好）。