(2)群体搜索特性。在遗传算法运行前首先会根据目标函数自动生成初始种群，既然是初始种群那么就避免了本算法陷入单一的循环。这样遗传算法搜索的范围就包含了所有定义域，这样找出来的最优值才是真正的最优值。其他算法往往目光都十分短浅，它们只适合搜索一小片区域的最优值，就像兔子A爬山一样，当它们爬上一座它们从未爬到过的高山，它们就止步不前了，并且呼喊着这就是世界上最高的山峰，显然这是不全面的[17]。

(3)不需要辅助信息。环境是影响生物进化的最重要的因素，而在遗传算法中环境就是适应度，所以也就是说适应度是影响本文研究对象进化最重要的因素。在整个遗传算法的进程中不需要其他东西辅助，只需要决定初始种群的目标函数和适应度即可。

(4)随机式搜索。遗传算法就是采用生物进化的方法，一切都是按照概率来进行的，所以说遗传算法的随机性很大，有可能在子代中出现劣势基因，但是只要繁殖的代数增加，这些劣势基因就会因为适应度被剔除出群体中，这就与达尔文学说相呼应，优胜劣汰。所以看似十分随意的进行着基因的选择，但实际上整个进化的大方向是不会改变的。

(5)因为遗传算法的随机选择的性质，所以它不会陷入局部的最优解，不会像在第2点中提到的兔子A一样，只沉醉于眼前的幸福，而忘了人外有人，山外有山。在这里可以把遗传算法比作兔子B,将一群兔子B，撒在全世界的各个角落，让它们去攀登附近最高的山峰，然后每隔一段时间，将那些攀登到比较低的山峰上的兔子B杀掉，这样最后剩下的兔子B，一定就在全世界最高的山峰上。这种形容虽然比较血腥，但是形象且全面的概括了遗传算法的进行过程。

(6)遗传算法具有很强的兼容性，就像其在本文中的应用，本文就是使用舰船电能优化方程与遗传算法融合起来，最后得出结论的。也可以这样说遗传算法就像一把枪，而本文中提出的电能优化方程就是子弹，两者结合，才能得出结论。如果只有其中一部分，那么找到最优值那是相当困难的。

(7)遗传算法能够在MATLAB中进行仿真，这是它最大的一个优点，如果遗传算法不能够在MATLAB中仿真，那么我们将无法对舰船电能优化方程进行分析。