它摒棄了傳統(tǒng)的搜索方式，模擬自然界生物進化過程，采用人工進化的方式對目標空間進行隨機化搜索。它將問題域中的可能解看作是群體的一個個體或染色體，并將每一個體編碼成符號串形式，模擬達爾文的遺傳選擇和自然淘汰的生物進化過程，對群體反復(fù)進行基于遺傳學的操作（遺傳，交叉和變異），根據(jù)預(yù)定的目標適應(yīng)度函數(shù)對每個個體進行評價，依據(jù)適者生存，優(yōu)勝劣汰的進化規(guī)則，不斷得到更優(yōu)的群體，同時以全局并行搜索方式來搜索優(yōu)化群體中的最優(yōu)個體，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化過程。跗算法通過有組織地然而是隨機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)好的位和段來生成一個新的串的群體；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替代原來的部分。

遺傳算法是一類隨機化算法，但是它不是簡單的隨機走動，它可以有效地利用已經(jīng)有的信息處理來搜索那些有希望改善解質(zhì)量的串，類似于自然進化，遺傳算法通過作用于染色體上的基因，尋找好的染色體來求解問題。與自然界相似，遺傳算法對待求解問題本身一無所知，它所需要的僅是對算法所產(chǎn)生的每個染色體進行評價，并基于適應(yīng)度值來造反染色體，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會。

基因：組成染色體的單元，可以表示為一個二進制位，一個整數(shù)或一個字符等。

染色體或個體：表示待求解問題的一個可能解，由若干基因組成，是GA操作的基本對象。

群體：一定數(shù)量的個體組成了群體，表示GA的遺傳搜索空間。

適應(yīng)度或適度：代表一個個體所對應(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體，選擇依據(jù)是適應(yīng)度大的個體被選中的概率高。選擇操作體現(xiàn)了適者生存，優(yōu)勝劣汰的進化規(guī)則。

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

變異：GA的基本操作之一，即即按一定概率隨機改變某個體的基因值。