遗传算法（Genetic Algorithm, GA）是一类模拟生物进化过程的智能优化算法，由John H. Holland于20世纪60年代提出。它基于达尔文的自然选择理论和遗传学原理，通过选择、交叉和变异等操作，在解空间中搜索最优解。遗传算法已成为进化计算领域的重要分支，广泛应用于工程优化、机器学习、人工智能等领域。

核心优势：遗传算法具有以下显著特点：群体搜索，避免陷入局部最优；无需目标函数的导数，适用于非连续、非线性问题；概率转移准则，具有内在的并行性和全局搜索能力。

研究热点：当前遗传算法的研究热点包括：收敛性理论证明、新型高效遗传算子设计、与局部优化算法的混合策略、在各领域的应用拓展，以及软计算与计算智能中的融合方法。

经典著作：以下为遗传算法领域的代表性著作：
1. 陈国良等，《遗传算法及其应用》，国防出版社
2. J.H. Holland, Adaptation in Natural and Artificial Systems, Ann Arbor: Univ. of Michigan Press, 1975
3. D.E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, 1989
4. L.D. Davis, Handbook of Genetic Algorithms, Van Nostrand Reinhold
5. Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer, 1996
6. M. Gen, R. Cheng, Genetic Algorithms & Engineering Design, 1997
7. Wiely, Genetic Algorithms in Engineering and Computer Science, 1995
8. M. Mitchell, An Introduction to Genetic Algorithms, 1996
9. Davis, Genetic Algorithms and Simulated Annealing, 1987
10. Davidor, Genetic Algorithms and Robotics, 1991
11. Koza, Genetic Programming, 1992
12. Bauer, Genetic Algorithms and Investment Strategies, 1994

在线资源：以下为遗传算法相关网站（部分链接可能已失效，建议通过搜索引擎查找最新资源）：
1. The Genetic Algorithms Archive: http://www.aic.nrl.mil/galist/
2. Genetic Adaptive Systems LAB (GASLAB): http://www.cs.unr.edu/~sushil/papers/conference/conf.html
3. http://www.mat.sbg.ac.at/~uhl/GA.html
4. http://www.cs.gmu.edu/research/gag/
5. Illinois Genetic Algorithms Laboratory: http://gal4.ge.uiuc.edu./illigal.home.html
6. Michigan State University GARAGE: http://garage.cs.msu.edu/
7. ftp://ftp.egr.msu.edu/pub/EC/GA/

应用参考文章：以下为遗传算法在路径规划等领域的应用文章（下载链接已失效，建议通过学术数据库获取）：
1. 用遗传算法求解最短路径问题
2. 用遗传算法进行路径规划
3. 最短路问题的简便算法
4. 带多重选择的最短路问题
5. 用原始－对偶算法求解过指定顶点的最短路
6. 给定限制期条件下最小风险路径的选取算法
7. 带有e约束的网络最短路算法
8. 无线网络中最短路径的标记与减少计算量的方法
9. 遗传算法用于从EM雷达数据提取地下古墓遗迹定位信息
10. 对FLOYD算法的两点注记
11. 应用单亲遗传算法进行树状管网优化布置