遗传算法是一种基于模拟生物进化的自然选择过程求解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一个步骤中，遗传算法从当前的种群中随机选择个体，并将他们作为父母，为下一代繁衍后代。在连续几代之后，种群“进化”到一个最优解。
您可以应用遗传算法来解决不适合标准优化算法的问题，包括目标函数不连续、不可微、随机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有两个主要区别，如下表所示。
| 经典的算法 | 遗传算法 |
|---|---|
| 在每次迭代中生成一个单点。点的序列接近最优解。 | 在每次迭代时生成点的总体。种群中的最佳点接近于最优解。 |
| 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。
