遗传算法（GA）是基于模拟生物进化的自然选择过程来解决受约束和无约束优化问题的方法。该算法反复修改各个解决方案的群体。金宝搏官方网站在每个步骤中，遗传算法随机选择来自当前群体的个体，并将其用作父母以生产孩子的下一代。连续几代人，人口“演变”朝向最佳解决方案。
您可以应用遗传算法来解决对标准优化算法不太适合的问题，包括目标函数是不连续的，非增强的，随机或高度非线性的问题。
遗传算法以两种主要方式与经典，衍生的，优化算法不同，如下表所示。
| 古典算法 | 遗传算法 |
|---|---|
| 在每次迭代时生成单点。点序列接近最佳解决方案。 | 在每次迭代时生成一群点。人口中最好的点接近最佳解决方案。 |
| 通过确定性计算选择序列中的下一个点。 | 通过计算使用随机数生成器的计算选择下一个人口。 |
有关应用遗传算法的更多信息，请参阅全局优化工具箱。
