遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适应度函数并通过遗传中的复制、交叉及变异对个体进行筛选，使适应度高的个体被保留下来，组成新的群体
新的群体既继承了上一代的信息，又优于上一代这样周而复始，群体中个体适应度不断提高，直到满足一定的条件遗传算法的算法简单，可并行处理，并能得到全局最优解。
遗传算法的基本操作有三种：
1 复制（Reproduction Operator）
从一个旧种群中选择生命力强的个体产生新种群的过程
具有高适应度的个体更有可能在下一代中产生一个或多个子孙
模拟无性繁殖
2 交叉（Crossover Operator）
复制操作能从旧种群中选择出优秀者，但不能创造新的染色体
交叉模拟了生物进化过程中的有性繁殖现象，通过染色体的交换组合，产生新的优良品种
交叉的过程：在匹配池中任选两个染色体，随机选择一点或多点交换点位置；交换双亲染色体交换点右边的部分，即可得到两个新的染色体数字串
3 变异(Mutation Operator)
模拟生物在自然的遗传环境中由于各种偶然因素引起的基因突变
以很小的概率随机地改变遗传基因（表示染色体的符号串的某一位）的值
在染色体以二进制编码的系统中，它随机地将染色体的某一个基因由1变为0，或由0变为1