遺傳算法作為其一種新興的優化算法，它是建立在自然選擇和種群遺傳的基礎上，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、隨機的搜索優化，使種群向全局最優的方向收斂。由于其具有不受函數性質制約、全方位搜索及全局收斂等許多優點，在各學科各領域普遍受到重視，應用領域也日益廣泛。

相對于傳統的模型辨識方法，遺傳算法具有魯棒性、全局性、易于應用且效率高等優勢。一般來說，它只需要代價函數或目標函數值，不必計算復雜函數的梯度，不需要復雜的數學計算，優化過程簡單。遺傳算法用于系統辨識有如下優勢：

(1)即使沒有足夠的激勵數據，它也能在現有條件下實現參數的最佳估計；

(2)數據或參數偶然出現突變或毛刺及系統有白噪聲甚至是有色噪聲，遺傳算法對它們不敏感；

(3)穩態條件下的數據對基于遺傳算法的辨識算法不產生影響；

(4)容易估計線性不可分的參數；

(5)容易辨識純延時和模型結構。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，取得優化結果的

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驗。

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