遺傳算法（GA）是基于達爾文生物進化論和孟德爾遺傳變異理論的一類仿生型優化算法。遺傳算法結構簡單不需要過多的考慮所要處理問題的動力學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?；鹊鹊膬烖c，非常適合處理利用傳統搜索方法不能很好解決的復雜及非線性問題。因此，現在組合優化、自適應控制、組合優化和規劃設計等領域遺傳算法有著非常，一泛應用前景?；诖藝鴥韧猬F在都非常重視遺傳算法理淪及相應應用方面的研究。遺傳算法的處理對象是對參數進行了編碼的個體而不是參數本身，因此可以對矩陣、樹和圖等結構形式的對象進行處理。函數優化是遺傳算法的諸多應用中最顯而易見也是最為經典的。函數優化的本質就是從所有解決問題的可能性中選出最合理最優的方案。而隨著求解維數的增長，求解難度也大幅度的增加，因而傳統的優化方案不能滿足優化需要。遺傳算法就作為仿生物自然進化過程被稱為演化算法的隨機優化技術的代表顯示出了它優于傳統算法的優越性能。