遗传算法是将生物学的遗传进化原理和最优化技术结合的产物，它在国民经济的各个行业和多个学科里获得了广泛的应用和关注。本书着重从计算方法和应用技术的角度对遗传算法作了深入浅出的讨论。书中介绍了遗传算法的基本概念和结构，解决约束优化和组合优化问题的方法，以及遗传算法在生产调度、可靠性设计、交通运输、设备布局等一系列工业工程问题中的应用。

遗传算法是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而形成的一种并行随机搜索最优化方法[1-3]， 在自动控制领域中得到了越来越广泛的应用。该文引入了“稳定区域算法”求取闭环系统稳定的PID控制器参数区间，并以此算法的计算结果限定进 化算法的参数寻优区间，通过仿真试验取得了令人满意的控制效果。-Genetic Algorithms is proposed by the University of Michigan’s Professor

遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过

遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过