遗传算法特点遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用

搜索算法的共同特征为： （1） 首先组成一组候选解 （2）依据某些适应性条件测算这些候选解的适应度 （3）根据适应度保留某些候选解，放弃其他候选解 （4） 对保留的候选解进行某些操作，生成新的候选解

 在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作

这种特殊的组合方式将遗传算法与其它搜索算法区别开来

 遗传算法还具有以下几方面的特点： （1）算法从问题解的串集开始搜索，而不是从单个解开始

这是遗传算法与传统优化算法的极大区别

传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解

遗传算法从串集开始搜索，覆盖面大，利于全局择优

 （2）遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化

 （3）遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作

适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定

这一特点使得遗传算法的应用范围大大扩展

 （4）遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向

 （5）具有自组织、自适应和自学习性

遗传算法利用进化过程获得的信息自行组织搜索时，适应度大的个体具有较高的生存概率，并获得更适应环境的基因结构

 （6）此外，算法本身也可以采用动态自适应技术，在进化过程中自动调整算法控制参数和编码精度，比如使用模糊自适应法

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。