遺傳演算法（GA）是一種透過隨機搜尋來執行的啟發式最佳化方法。最佳化問題的可能解集被視為一個 種群，其中包含 個體。個體對其環境的適應程度由其 適應度 來指定。

搜尋空間中個體的座標由 染色體 表示，本質上是一組字串。 基因 是染色體的一個子集，它編碼了正在最佳化的單個引數的值。基因的典型編碼可以是 二進位制 或 整數。

透過模擬 重組、 變異 和 選擇 等進化操作，可以找到比其祖先具有更高平均適應度的新一代搜尋點。 圖 61.1 說明了這些步驟。

根據 comp.ai.genetic常見問題解答我們怎麼強調都不過分，一個GA不是對問題解決方案的純隨機搜尋。一個GA使用隨機過程，但結果明顯不是隨機的（比隨機好）。