随着新的理论如小波理论、分形理论、数学形态学、遗传算法等的出现，遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。

和其他一些优化算法相比，遗传算法具有以下几个特点：

①遗传算法使用自适应概率搜索技术，其选择、交叉、变异等运算都以一种概率的方式来运行，从而增加了搜索过程的灵活性，而且随着进化过程的进行。

②遗传算法同时使用多个搜索点的搜索信息。即对初始群体进行操作，在这之中包含群体信息。这样的信息可以避免搜索一些不必的搜索点，实际上相当于搜索了更接近目标的点。这是遗传算法所特有的一种隐含的并行性。

③遗传车牌识别算法直接以目标函数作为搜索信息。这样对很多目标函数无法或很难求导的函数，或导数不存在的函数的组合优化问题比较方便，同时直接利用目标函数值或个体适应度也使得我们可以把搜索范围集中到适应度较高的部分的搜索空间，从中提高了搜索效率。

④遗传算法以决策变量的编码作为运算对象。这样我们在优化过程中可以借鉴生物学中染色体和基因等概念，可模仿自然界中生物的遗传和进化等机理，也使得我们可以方便的应用遗传操作算了。特别是对一些无数值概念或很难有数值概念而只有代码概念的优化问题，编码处理方式更显示了独特的优越性。