遺傳算法（GA）是基于達(dá)爾文生物進(jìn)化論和孟德爾遺傳變異理論的一類仿生型優(yōu)化算法。遺傳算法結(jié)構(gòu)簡單不需要過多的考慮所要處理問題的動力學(xué)信息并且兼具有全局搜索能力、信息處理的隱并行性、魯棒性和可規(guī)?；鹊鹊膬?yōu)點，非常適合處理利用傳統(tǒng)搜索方法不能很好解決的復(fù)雜及非線性問題。因此，現(xiàn)在組合優(yōu)化、自適應(yīng)控制、組合優(yōu)化和規(guī)劃設(shè)計等領(lǐng)域遺傳算法有著非常，一泛應(yīng)用前景。基于此國內(nèi)外現(xiàn)在都非常重視遺傳算法理淪及相應(yīng)應(yīng)用方面的研究。遺傳算法的處理對象是對參數(shù)進(jìn)行了編碼的個體而不是參數(shù)本身，因此可以對矩陣、樹和圖等結(jié)構(gòu)形式的對象進(jìn)行處理。函數(shù)優(yōu)化是遺傳算法的諸多應(yīng)用中最顯而易見也是最為經(jīng)典的。函數(shù)優(yōu)化的本質(zhì)就是從所有解決問題的可能性中選出最合理最優(yōu)的方案。而隨著求解維數(shù)的增長，求解難度也大幅度的增加，因而傳統(tǒng)的優(yōu)化方案不能滿足優(yōu)化需要。遺傳算法就作為仿生物自然進(jìn)化過程被稱為演化算法的隨機優(yōu)化技術(shù)的代表顯示出了它優(yōu)于傳統(tǒng)算法的優(yōu)越性能。