1. GA lập luận mang tớnh chất ngẫu nhiờn (stochastic), thay vỡ xỏc định (deterministic) như toỏn học giải tớch. Tuy nhiờn đõy chỉ là hỡnh thức ngẫu nhiờn cú hướng dẫn bởi trị số thớch nghi. Chớnh hàm số thớch nghi là vật chỉ đường cho GA tỡm giải phỏp tối ưu trong muụn ngàn giải phấp cú thể cú. 2. GA duyệt xột toàn bộ cỏc giải phỏp, sau đú chọn lấy giải phỏp tương đối tốt
nhất dựa trờn hệ số thớch nghi. Vấn đề thớch hợp nhất cho GA là tỡm điều kiện tối ưu. Tối ưu ở đõy khụng nhất thiết phải là tuyệt đối, nhưng cú thể chỉ là tương đối trong hoàn cảnh và thời gian cho phộp.
3. GA khụng để ý đến chi tiết vấn đề, trỏi lại chỉ chỳ ý đến giải phỏp, đặc biệt là dóy số tượng trưng cho giải phỏp. Một trong những bước quan trọng và khú khăn nhất là tỡm hàm số thớch nghi (fitnes function). Hàm số thớch nghi phải cú liờn hệ trực tiếp đến vấn đề phải giải quyết. Vớ dụ đối với vấn đề đầu tư, hàm số thớch nghi cú thể là lợi nhuận thu được do đầu tư, cũng cú thể là tiền lời tớch luỹ sau một thời gian nhất định.
4. GA rất thớch hợp cho việc tỡm kiếm giải đỏp cho vấn đề, hay tỡm điều kiện tối ưu cho việc điều hành, và phõn nhúm những giải phỏp cú được. Một đặc điểm khỏc của GA là lý thuyết này thớch hợp cho những truờng hợp phải tỡm kiếm (search). Nếu chỳng ta phải tỡm giải phỏp trong trăm hay ngàn đỏp số thỡ GA là kỹ thuật phải được chọn trước nhất. Trước đay phương thức „Trốo nỳi“ (hill climbing) rất thớch hợp cho những trường hợp này., tuy nhiờn cung cấp giải phỏp cú tớnh chất địa phưong thay vỡ toàn diện như GA.
5. GA và mạng Nơron nhõn tạo (Artificial Neural Netword (ANN)) đều thuộc vào nhúm khoa học trớ tuệ nhõn tạo, tuy nhiờn GA lập luận dựa theo sự tiến hoỏ và xem xột vấn đề ở tầm mức của Gen (gene) và nhiễm sắc thể (chromosome), khỏc với mạng nơron nhõn tạo (ANN) dựa trờn kinh nghiệm và cỏch giải quyết vấn đề mà bộ úc của con ngưũi thường dựng.
Muốn giải quyết vấn đề, ANN phải tạo ra một mạng lưới gồm cỏc nơron chứa trong cỏc lớp nhận tin, lớp cho kết quả và lớp trung gian. Muốn cho kết quả chớnh xỏc, ANN phải cú một mạng lưới tối ưu. Làm thế nào để chọn một cỏch tối ưu số lớp, số nơron trong mỗi lớp, hệ số huấn luỵện và cỏc chi tiết khỏc? GA giỳp thực hiện việc này.
