由于缺乏一种通用的编码方案，人们只能依赖变异而非交叉来产生新的基因结构，早期的算法收效甚微。20世纪60年代中期，John Holland在A.S.Fraser和H.J.Bremermann等人工作的基础上提出了位串编码技术。这种编码既适用于变异操作，又适用于交叉(即杂交)操作，并且强调将交叉作为主要的遗传操作。随后，Holland将该算法用于自然和人工系统的自适应行为的研究中，并于1975年出版了其开创性著作“Adaptation in Natural and Artificial Systems”。以后，Ho1land等人将该算法加以推广，应用到优化及机器学习等问题中，并正式定名为遗传算法。遗传算法的通用编码技术和简单有效的遗传操作为其广泛、成功地应用奠定了基础。Holland早期有关遗传算法的许多概念一直沿用至今，可见Holland对遗传算法的贡献之大。他认为遗传算法本质上是适应算法，应用最多的是系统最优化的研究。
    1980年以来，人们越来越清楚地意识到传统人工智能方法的局限性，而且随着计算机速度的提高及并行计算机的普及，遗传算法和进化计算对机器速度的要求已不再是制约其发展的因素。德国Dortmund大学1993年末的一份研究报告表明，根据不完全统计，进化算法已在16个大领域、250多个小领域中获得7应用。遗传算法在机器学习、过程控制、经济预测、工程优化等领域取得的成功，已引起了数学、物理学、化学、生物学、计算机科学、社会科学、经济学及工程应用等领域专家的极大兴趣。某些学者研究了进化计算的突现行为后声称，进化计算与混沌理论、分形几何将成为人们研究非线性现象和复杂系统的新的三大方法，并将与神经网络一起成为人们研究认知过程的重要工具。 
    我国有关遗传算法、进化计算的研究，从20世纪90年代以来一直处于不断上升的时期，特别是近年来，遗传算法、进化计算的应用在许多领域取得了令人瞩目的成果。据不完全统计，1997～1999年三年间发表在国内二级以上学术刊物上有关遗传算法、进化计算的文章接近200篇左右，该类研究获得不同渠道的经费资助比例也在逐年上升。武汉大学刘勇、康立办等于1995年出版了(非数值并行计算(第2册)——遗传算法)；陈国良、王煦法等于1996年出版(遗传算法及其应用)；潘正军、康立山等于1998年出版了(演化计算)；周明、孙树栋于1999 年出版了(遗传算法原理及其应用)。
1.2.2 遗传算法的研究现状 MATLAB遗传算法及改进算法的性能仿真研究+代码(3):http://www.youerw.com/tongxin/lunwen_30912.html