每种事物都有其自身的优势，与传统的搜索方法相比，遗传算法主要有以下几个优点：
（1）GA具有自组织，自适应性和智能性。应用GA来求解问题时，在确定了编码方案，适应度函数及遗传算子后，算法将利用进化过程中所获得的信息自行组织搜索。GA的这一特性，使它同时具有能根据环境的变化而自动发现环境的特性和规律的能力。从而使遗传算法可以用来解决一些复杂的非结构化问题。
（2）GA具有并行性。GA是在种群中按并行方式搜索而不是在一个点上进行寻优的。其并行性表现在两个方面：其一，GA具有的内在并行性，使它本身适合大规模并行搜索。可以说，GA适合在目前所有的并行机和分布式系统上进行并行处理，而且对并行效率没有太大影响。其二，GA具有的内含并行性。由于GA采用种群的方式组织搜索，因而可以同时搜索解空间内的多个区域，并相互交流信息。许多传统方法是从单点出发进行寻优，这类方法在多峰函数优化中，极易陷入局部较优解，而且很难调处局部较优解的陷阱。而GA是从一个种群开始搜索，并且可以同时向不同的方向进行搜索，对搜索空间中的多个界进行评估，以使GA具有极好的全局较优搜索性能，从而减少了陷入局部较优解的可能。
（3）GA使用参数编码集，而不是参数本身进行工作。这一特点使得GA具有广泛的应用领域。
（4）GA仅用适应度函数来评估个体，而无须搜索空间的知识和其他辅助信息。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。这一特点似的GA的应用范围极大拓宽，使之可以广泛的应用于目标函数不可微、不连续、非规则极其复杂或无解析表达式等优化问题。
（5）GA不是采用确定性规则，而是采用概率的变迁规则来指导它的搜索方向。算法中执行选择、交叉、变异等类似生物进化的简单随机操作具有极强的鲁棒性。在传统的搜索方法中，如梯度法，采用每次梯度变化的方向搜索。而GA采用以适应度为标尺，以概率作为一种工具来指导搜索过程，虽然表面上看GA是一种盲目搜索，实际上它是一种有导向的随机搜索方法。
掌握遗传算法的优点，并加以利用，更好地为环境设备仪器行业服务！
http://www.dgzhenghang.net
