遗传算法(Genetic Algorithms, GA)是一种随机优化算法，用于解决结构复杂的优化问题。遗传算法模仿自然界中生物的进化过程，即适者生存，不适者淘汰的过程。其过程如下：
(1) 随机生成一些个体(Individual)，构成一个种群(Population)，对每一个解进行评估，获得它的适应度函数值(Fitness Value)，此过程叫做初始化种群(Initializing)；
(2) 按照一定的规则进行随机选择，如轮盘赌或者其他方法，目的是使得适应度函数值高的个体被选中的概率大，反之被选中的概率小，此过程叫做选择(Selection)，没被选中的个体丢弃不再被考虑；
(3) 从选择以后的种群中，按照一定的概率随机选择一定的个体，配对进行基因的交换，目的是把两个个体中的优秀基因集中到一个个体，有可能生成更加优秀的个体，这个过程叫做交叉(Crossover)；
(4) 对种群中的个体，按照一定的概率随机选择一定的个体，使其部分基因发生随机改变，目的是有可能随机生成更加优秀的个体，这个过程叫做变异(Mutation)；
(5) 对经过选择、交叉、变异后的所有个体，计算适应度函数值，回到第2步，开始下一代(Generation)循环。
循环的次数根据一定的条件判断，如设定的代数，或者连续多少代适应度函数值没有被提高。