遺傳算法作為其一種新興的優(yōu)化算法，它是建立在自然選擇和種群遺傳的基礎(chǔ)上，模擬自然界“物競天擇，適者生存”的進化過程，在問題空間進行全局并行的、隨機的搜索優(yōu)化，使種群向全局最優(yōu)的方向收斂。由于其具有不受函數(shù)性質(zhì)制約、全方位搜索及全局收斂等許多優(yōu)點，在各學科各領(lǐng)域普遍受到重視，應(yīng)用領(lǐng)域也日益廣泛。

相對于傳統(tǒng)的模型辨識方法，遺傳算法具有魯棒性、全局性、易于應(yīng)用且效率高等優(yōu)勢。一般來說，它只需要代價函數(shù)或目標函數(shù)值，不必計算復(fù)雜函數(shù)的梯度，不需要復(fù)雜的數(shù)學計算，優(yōu)化過程簡單。遺傳算法用于系統(tǒng)辨識有如下優(yōu)勢：

(1)即使沒有足夠的激勵數(shù)據(jù)，它也能在現(xiàn)有條件下實現(xiàn)參數(shù)的最佳估計；

(2)數(shù)據(jù)或參數(shù)偶然出現(xiàn)突變或毛刺及系統(tǒng)有白噪聲甚至是有色噪聲，遺傳算法對它們不敏感；

(3)穩(wěn)態(tài)條件下的數(shù)據(jù)對基于遺傳算法的辨識算法不產(chǎn)生影響；

(4)容易估計線性不可分的參數(shù)；

(5)容易辨識純延時和模型結(jié)構(gòu)。當然，不可避免的遺傳算法也存在缺陷，例如，種群進化過程中，取得優(yōu)化結(jié)果的

時間較長；局部搜索能力差，收斂慢；搜索空間的確定依賴于定性分析甚至是依賴于以往的經(jīng)驗。

但是，考慮到模型辨識問題可以轉(zhuǎn)化為各種約束條件的優(yōu)化問題，因而，十分便于遺傳算法在模型辨識問題中的應(yīng)用