它摒棄了傳統(tǒng)的搜索方式，模擬自然界生物進(jìn)化過(guò)程，采用人工進(jìn)化的方式對(duì)目標(biāo)空間進(jìn)行隨機(jī)化搜索。它將問(wèn)題域中的可能解看作是群體的一個(gè)個(gè)體或染色體，并將每一個(gè)體編碼成符號(hào)串形式，模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程，對(duì)群體反復(fù)進(jìn)行基于遺傳學(xué)的操作（遺傳，交叉和變異），根據(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，依據(jù)適者生存，優(yōu)勝劣汰的進(jìn)化規(guī)則，不斷得到更優(yōu)的群體，同時(shí)以全局并行搜索方式來(lái)搜索優(yōu)化群體中的最優(yōu)個(gè)體，求得滿足要求的最優(yōu)解。

Holland創(chuàng)建的遺傳算法是一種概率搜索算法，它是利用某種編碼技術(shù)作用于稱為染色體的數(shù)串，其基本思想是模擬由這些組成的進(jìn)化過(guò)程。跗算法通過(guò)有組織地然而是隨機(jī)地信息交換重新組合那些適應(yīng)性好的串，在每一代中，利用上一代串結(jié)構(gòu)中適應(yīng)好的位和段來(lái)生成一個(gè)新的串的群體；作為額外增添，偶爾也要在串結(jié)構(gòu)中嘗試用新的位和段來(lái)替代原來(lái)的部分。

遺傳算法是一類隨機(jī)化算法，但是它不是簡(jiǎn)單的隨機(jī)走動(dòng)，它可以有效地利用已經(jīng)有的信息處理來(lái)搜索那些有希望改善解質(zhì)量的串，類似于自然進(jìn)化，遺傳算法通過(guò)作用于染色體上的基因，尋找好的染色體來(lái)求解問(wèn)題。與自然界相似，遺傳算法對(duì)待求解問(wèn)題本身一無(wú)所知，它所需要的僅是對(duì)算法所產(chǎn)生的每個(gè)染色體進(jìn)行評(píng)價(jià)，并基于適應(yīng)度值來(lái)造反染色體，使適用性好的染色體比適應(yīng)性差的染色體有更多的繁殖機(jī)會(huì)。

基因：組成染色體的單元，可以表示為一個(gè)二進(jìn)制位，一個(gè)整數(shù)或一個(gè)字符等。

染色體或個(gè)體：表示待求解問(wèn)題的一個(gè)可能解，由若干基因組成，是GA操作的基本對(duì)象。

群體：一定數(shù)量的個(gè)體組成了群體，表示GA的遺傳搜索空間。

適應(yīng)度或適度：代表一個(gè)個(gè)體所對(duì)應(yīng)解的優(yōu)劣，通常由某一適應(yīng)度函數(shù)表示。

選擇：GA的基本操作之一，即根據(jù)個(gè)體的適應(yīng)度，在群體中按照一定的概論選擇可以作為父本的個(gè)體，選擇依據(jù)是適應(yīng)度大的個(gè)體被選中的概率高。選擇操作體現(xiàn)了適者生存，優(yōu)勝劣汰的進(jìn)化規(guī)則。

交叉：GA的基本操作之一，即將父本個(gè)體按照一定的概率隨機(jī)地交換基因形成新的個(gè)體。

變異：GA的基本操作之一，即即按一定概率隨機(jī)改變某個(gè)體的基因值。