遺傳算法是一種群體型操作，該操作以群體的所有個體為對象。遺傳算法的遺傳操作（genetic operation）包括：選擇（selection）、交叉（crossover）、和變異（mutation）三個主要的遺傳，它們使得遺傳算法具有了其他傳統(tǒng)方法所沒有的特性。
 
 
正航儀器小編須知，遺傳算法的核心內容為：參數(shù)編碼、初始群體的設定、適應函數(shù)的設定、遺傳操作的設定、控制參數(shù)的設定。
1 編碼
由于遺傳算法不能直接處理解空間的數(shù)據(jù)，因而要將解空間的數(shù)據(jù)表示成遺傳空間的數(shù)據(jù)格式，即通過編碼將表現(xiàn)型數(shù)據(jù)映射為基因型串結構數(shù)據(jù)。比如x=14表示為01110的形式。
2 產生初始種群
由于遺傳算法是群體型的操作，所以進行遺傳操作前，都需要產生一個由若干初始解組成的初始種群，種群的大小（規(guī)模）就是指種群中的個體數(shù)目。初始群體也稱為進化的初始代，即代。
3 應函數(shù)的設定
計算適應度計算適應度是為了衡量每個個體適應度的大小，換句話說就是為了描述個體好壞的程度，以便將的個體保留下來，獲得更多交配的機會。
4 遺傳操作
（1）選擇（selection）實現(xiàn)選擇操作的方法有很多種，這里采用和適應度值成比例的概率方法來進行選擇。具體地說，首先計算群體中所有個體的適應度總和（Σf），再計算每個個體的適應度所占的比例（fi/Σf）,并以此作為相應的選擇概率PS。由這個概率可以計算出每個個體被選擇的次數(shù)。
（2）交叉（crossover）
簡單的交叉（即一點交叉），可以分為兩步進行，首先對配對庫中的個體進行隨機配對，然后在配對個體中隨機確定交叉處（表中的配對庫中的豎線表示交叉位置），配對個體彼此交換部分信息。
 
（3）變異（mutation）
變異操作是按位（bit）進行的，即把染色體中的某一位的內容進行變異。對于常用的二進制編碼的個體來說，若某位原來為0，則通過變異就變成1，反之亦然。變異操作也是隨機進行的。變異概率Pm一般都取的比較小。變異操作一般和交叉操作配合使用來挖掘群體中個體的多樣性，以避免陷于局部解。
（5）模擬結果
遺傳算法一般要通過幾十甚至幾百次的重復上述過程來求解問題。通常的方法是在實驗中預先指定遺傳算法的迭代次數(shù)或設定迭代終止的條件。
完整遺傳算法核心內容包含5個主要因素，學習要先從掌握核心入手，之后掌握脈搏，掌握全文。http://www.mingwangpq.com