1、函式最佳化函式最佳化是遺傳演算法的經典應用領域，也是遺傳演算法進行效能評價的常用算例，許多人構造出了各種各樣複雜形式的測試函式：連續函式和離散函式、凸函式和凹函式、低維函式和高維函式、單峰函式和多峰函式等。

2、組合最佳化隨著問題規模的增大，組合最佳化問題的搜尋空間也急劇增大，有時在目前的計算上用列舉法很難求出最優解。對這類複雜的問題，人們已經意識到應把主要精力放在尋求滿意解上，而遺傳演算法是尋求這種滿意解的最佳工具之一。此外，GA也在生產排程問題、自動控制、機器人學、圖象處理、人工生命、遺傳編碼和機器學習等方面獲得了廣泛的運用。

3、車間排程車間排程問題是一個典型的NP-Hard問題，遺傳演算法作為一種經典的智慧演算法廣泛用於車間排程中，很多學者都致力於用遺傳演算法解決車間排程問題，現今也取得了十分豐碩的成果。從最初的傳統車間排程（JSP）問題到柔性作業車間排程問題（FJSP），遺傳演算法都有優異的表現，在很多算例中都得到了最優或近優解。擴充套件資料：遺傳演算法的缺點1、編碼不規範及編碼存在表示的不準確性。2、單一的遺傳演算法編碼不能全面地將最佳化問題的約束表示出來。考慮約束的一個方法就是對不可行解採用閾值，這樣，計算的時間必然增加。3、遺傳演算法通常的效率比其他傳統的最佳化方法低。

4、遺傳演算法容易過早收斂。

5、遺傳演算法對演算法的精度、可行度、計算複雜性等方面，還沒有有效的定量分析方法。