游戏机模拟神经中的遗传算法谈到遗传算法，就要谈到闻名海内外的达尔文的《物种起源》一书。书中讲的就是大自然优胜劣汰的法则。适合自然环境的物种可以得到更多的繁衍生息的机会，它们的后代部分继承了它们的优点，而不适应自然环境的物种则被慢慢淘汰掉。自然环境在缓慢地变化，而物种也在慢慢地进化。在进化过程中间或会有突变发生。大部分产生突变的个体都不能适应环境，短命夭折。但也有个别突变个体比变异前的物种更适应环境，从而繁衍了下去，并改良了旧的物种，或者产生了新物种。 　　人们从大自然中的优胜劣汰的现象得到启发，试图把这种机制引入到游戏机人工智能系统中。遗传算法由此应运而生。其基本思想如下：在一群个体中，通过突变（改变个体结构属性）、交配（选择两个个体）和繁殖（合二为一），再通过进化过程，最终获得更适合环境的个体。对游戏机来说，个体可以是整个NPC-,.也可以是NPC的一个属性或功能。 　　比如说，一个游戏机中，NPC有不同的属性并有繁殖功能。那么，在和玩家的对抗中能够存活并成功逃走的怪兽们，将更有可能生育下一代。而它们的下一代，将更机智更难对付。这样，游戏机就更具有竞争性。更广义地看遗传算法，，它可以用来解决最优化问题，而RTS上的策略选择等问题，归根结底都是最优化问题。