遗传算法的优点：
1、 与问题领域⽆关切快速随机的搜索能⼒。
2、 搜索从群体出发，具有潜在的并⾏性，可以进⾏多个个体的同时⽐较，robust.
3、 搜索使⽤评价函数启发，过程简单
4、 使⽤概率机制进⾏迭代，具有随机性。
5、 具有可扩展性，容易与其他算法结合。
遗传算法的缺点：
1、遗传算法的编程实现⽐较复杂，⾸先需要对问题进⾏编码，找到最优解之后还需要对问题进⾏解码
2、另外三个算⼦的实现也有许多参数，如交叉率和变异率，并且这些参数的选择严重影响解的品质，⽽⽬前这些参数的选择⼤部分是依靠经验.
3、没有能够及时利⽤⽹络的反馈信息，故算法的搜索速度⽐较慢，要得要较精确的解需要较多的训练时间。
4、算法对初始种群的选择有⼀定的依赖性，能够结合⼀些启发算法进⾏改进。
5、算法的并⾏机制的潜在能⼒没有得到充分的利⽤，这也是当前遗传算法的⼀个研究热点⽅向。
