GA は確定ランダムサーチを使用する試行錯誤的な最適化 方法です。最適化問題の解の候補の集合は、個体 の 集団とみなされます。ある個体の環境適合の度合は、 その適合性で示されます。
検索空間における個体の座標は 染色体 で表現さ れ、その実体は文字列集合となります。遺伝子 は、 1 つの最適化対象のパラメータの値をコード化する染色体の一部です。遺伝 子のコード化には バイナリ または 整数がよく使用されます。
再交配、突然変異、 淘汰といった進化操作を模擬して、検索ポイントに おいて先祖よりも適合性平均が高い、新しい子孫を探します。
"comp.ai.genetic" の FAQ によると、 GA が問題解決用の純粋なランダムサーチでないことは、 それほど強く強調されなくてもよいとしています。GA は推計学的な処理を行ないますが、その結果は厳密には非ランダムです。 （ランダムより良いものです。）
P(t) 時間 t における先祖となる世代
P''(t) 時間 t における子孫となる世代
+=========================================+
|>>>>>>>>>>> GA アルゴリズム <<<<<<<<<<<<|
+=========================================+
| t := 0 で初期化 |
+=========================================+
| P(t) を初期化 |
+=========================================+
| P(t) の適合性を評価 |
+=========================================+
| 停止基準に達するまで実行 |
| +-------------------------------------+
| | P'(t) := 再交配{P(t)} |
| +-------------------------------------+
| | P''(t) := 突然変異{P'(t)} |
| +-------------------------------------+
| | P(t+1) := 淘汰{P''(t) + P(t)} |
| +-------------------------------------+
| | P''(t) の適合性を評価 |
| +-------------------------------------+
| | t := t + 1 |
+===+=====================================+