遗传算法（简称GA）是一种借鉴生物界自然选择和自然遗传机制的随机的搜索算法，现已广泛应用于计算机科学、人工智能、信息技术及工程实践。

在电火花加工中，由于电参数对工艺效果难以用精确的数学模型描述，为了确定最优加工条件，提高加工效率，基于工艺数据库，采用遗传算法，能够有效地生成经过优化的、加工时间最短的加工条件，从而在实际加工中有效地解决了电火花加工条件优化的问题。根据电火花加工条件，从而在实际加工中有效地解决了电火花加工条件优化的问题。根据电火花加工工艺规律，以加工速度和表面粗糙度为目标，运用遗传算法和模糊技术，建立了一个基于遗传算法的电火花加工参数的优化模型，图所示为模仿熟练操作者的决策过程，利用遗传算法的电火花加工实例中抽出反映电参数和加工结果之间关系的模糊产生式规则，通过模糊推理就可以提供一组合适的电参数，从而实现了电参数的优化。

电火花加工电参数优化模型的结构示意图，它包括以下四部分。

电火花加工工艺数据库  该数据库存储了一些从实验中获取的电火花加工工艺数据，包括一些成功的加工实例，它们将作为学习模块的学习样本。

电火花加工规则库  该规则库以模糊产生规则的形式储了表示电参数和加工结果之间关系的若干规则。模糊产生式规则特别适合用来表达熟练操作者所获得的经验知识，有利于分析和应用。

学习模块  规则（知识）的获取是一般基于规则的专家系统的“瓶劲”，该问题的解决也是本优化模型的关键。学习模块利用遗传算法从电火花加工工艺数据库的数据中，抽取出反映电参数和加工结果之间关系的模糊产生式规则。

推理模块  推理模块接受一个电火花加工要求，基于模糊产生式规则，通过模糊推理得出一组合适的电参数。这些电参数连同后来的加工结果再反馈回工艺数据库，用于进一步的学习和推理，从而使得该优化模型具有很大的适应性。