(1) 參數編碼：遺傳算法一般不直接處理問題空間的參數而是將待優化的參數集進 行編碼，一般總是用二進制將參數集編碼成由 0 或 1 組成的有限長度的字符串。

(2) 初始種群的生成：隨機地產生 n 個個體組成一個群體，該群體代表一些可能解的

集合。GA 的任務是從這些群體出發，模擬進化過程進行擇優汰劣，最后得出優 秀的群體和個體，滿足優化的要求。

(3) 適應度函數的設計：遺傳算法在運行中基本上不需要外部信息，只需依據適應度 函數來控制種群的更新。根據適應度函數對群體中的每個個體計算其適應度，為 群體進化的選擇提供依據。設計適應度函數的主要方法是把問題的目標函數轉換 成合適的適應度函數。

(4) 選擇（復制）：按一定概率從群體中選擇 M 對個體，作為雙親用于繁殖后代，產 生新的個體加入下一代群體。即適應于生存環境的優良個體將有更多繁殖后代的 機會，從而使優良特性得以遺傳。選擇是遺傳算法的關鍵，它體現了自然界中適 者生存的思想。

(5) 雜交（交叉）：對于選中的用于繁殖的每一對個體，隨機地選擇同一整數  n，將 雙親的基因碼鏈在此位置相互交換。交叉體現了自然界中信息交換的思想。

(6) 變異：按一定的概率從群體中選擇若干個個體。對于選中的個體，隨機選擇某一 位進行取反操作。變異模擬了生物進化過程中的偶然基因突變現象。