遗传算法(GA)是一种基于模拟生物进化的自然选择过程来解决有约束和无约束优化问题的方法。该算法反复修改单个解的总体。金宝搏官方网站在每个步骤中，遗传算法从当前人口中随机选择个体，并将其作为父母为下一代生育后代。经过连续几代，种群“进化”为最优解。
您可以使用遗传算法来解决不太适合标准优化算法的问题，包括目标函数是不连续的、不可微的、随机的或高度非线性的问题。
遗传算法与经典的、基于派生的优化算法在两个主要方面有所不同，如下表所示。
| 经典的算法 | 遗传算法 |
|---|---|
| 在每次迭代中生成一个点。点的序列趋近于最优解。 | 在每次迭代中生成点的总体。种群中的最佳点趋于最优解。 |
| 通过确定性计算选择序列中的下一个点。 | 通过使用随机数生成器的计算来选择下一个总体。 |
有关应用遗传算法的更多信息，请参见全局优化工具箱。
