遗传算法(GA)是一种基于模仿生物进化的自然选择过程来解决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一步，遗传算法从当前种群中随机选择个体，并将其作为父母，为下一代生育后代。经过代代相传，种群“进化”到最优解。
您可以应用遗传算法来解决不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导数的优化算法主要有两方面的不同，如下表所述。
| 经典的算法 | 遗传算法 |
|---|---|
| 在每次迭代中生成一个单点。点序列趋近于最优解。 | 在每次迭代生成点的总体。种群中的最优点趋于最优解。 |
| 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选择下一个种群。 |
有关应用遗传算法的更多信息，请参见全局优化工具箱．
