遗传算法（GA）是一种基于模仿生物进化的自然选择过程来解决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。在每一步中，遗传算法从当前群体中随机选择个体，并将其作为父母，为下一代生育后代。在连续几代人中，种群向最优解“进化”。万博 尤文图斯
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。
如下表所示，遗传算法在两个主要方面不同于经典的基于导数的优化算法。
| 经典算法 | 遗传算法 |
|---|---|
| 在每次迭代中生成一个点。点序列接近最优解。 | 在每次迭代中生成点的总体。种群中的最佳点接近最优解。 |
| 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.
