Các thuật toán di truyền cố gắng hợp nhất các ý tưởng tiến hóa tự nhiên. Đại thể, quá trình phân loại theo di truyền như sau. Một quần thể khởi tạo được tạo ra bao gồm các luật được sinh ra tự nhiên. Mỗi luật được biểu diễn bằng một các chuỗi bit. Ví dụ đơn giản như sau: giả sử rằng các mẫu trông một tập huấn luyện cho trước được mô tả bởi 2 thuộc tính Boolean A1 và A2, hai lớp C1 và C2. Quy tắc “IF A1 AND NOT A2 THEN C2” có thể mã hóa bằng chuỗi bit “100” , ở đây 2 bit đầu biểu diễn thuộc tính A1 và A2, bit bên phải biểu diễn lớp (0). Tương tự quy tắc “IF NOT A1 AND NOT A2 THEN C1” có thể mã hóa bằng “001”. Nếu một thuộc tính có k giá trị, với k > 2, thì k bit có thể được sử dụng để mã hóa các giá trị của thuộc tính đó. Các lớp có thể cũng được mã hóa ở dạng tương tự.
Dựa trên khái niệm “sống sót” của phần tử thích hợp nhất, một quần thể mới được hình thành bao gồm các quy tắc hợp nhất trong quần thể hiện tại là hậu thế của các quy tắc này. Điển hình là các phần tử thích nghi của một quy tắc được đánh giá bởi tính chính xác phân loại của nó trên một tập mẫu huấn luyện.
“Hậu thế” được tạo bằng áp dụng các toán tử di truyền như chuyển đổi và đột biến. Trong chuyển đổi, các dãy con từ các cặp các quy tắc được đổi
thành dạng cặp các quy tắc mới. Trong đột biến, các bit được chọn ngẫu nhiên trong các chuỗi của quy tắc được đảo ngược.
Các quá trình sinh ra các quần thể mới dựa trên cá quần thể ưu tiên của các quy tắc liên tục cho đến khi một quần thể P tiến hóa, ở đây mỗi quy tắc trong P thỏa mãn một ngưỡng thích hợp đã mô tả.
Các thuật toán di truyền xử lý dữ liệu đồng bộ và sử dụng để phân loại gống như các bài toán tối ưu. Trong khai phá dữ liệu, chúng ta có thể được dùng để ước lượng sự thích hợp của thuật toán khác.