自古以来，自然就是人类各种技术思想、工程原理和伟大发明的源泉。当科学家们花了几十年，甚至一辈子的时间，才想出解决难题的办法时，他们惊奇地发现，这种巧妙的设计已经存在于自然界中，并且模仿自然已经成为科学研究的捷径。仿生算法是算法领域的仿生学，即通过模拟生物行为机制，构造出能解决实际问题的算法，仿生算法取得了许多成果：Martin Flint用蚁群算法解决了超高性能混凝土结构问题；李玉峰通过粒子群优化解决多组分重叠色谱峰；Bhowmik，Subrata利用人工神经网络辅助模糊拓扑预测掺烧柴油机的性能和废气排放。与传统的优化方法相比，仿生算法在求解NP-hard问题上具有明显的优势。大量的仿生算法被提出并成为研究的热点，各种仿生算法都有自己的特点。

如遗传算法的优点：

一、与问题领域无关切快速随机的搜索能力。

二、搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，鲁棒性好。

三、搜索使用评价函数启发，过程简单。

四、使用概率机制进行迭代，具有随机性。

五、具有可扩展性，容易与其他算法结合。

而其缺点有：

一、遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,

二、另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.没有能够及时利用网络的反馈信息,故算法的搜索速度比较慢，要得要较精确的解需要较多的训练时间。