父母选择是指选择能够交配并重组为下一代创造后代的父母的过程。父母的选择对于GA的收敛速度至关重要，因为好的父母会驱使个人寻求更好，更合适的解决方案。

但是，应注意防止极为适合的解决方案在几代之内接管整个群体，因为这会导致解决方案在解决方案空间中彼此接近，从而导致多样性丧失。保持人口中的良好多样性对于GA的成功至关重要。通过一个非常合适的解决方案占用整个人口的过程称为过早收敛，这是GA中不希望出现的情况。

适度选择

适度适度选择是父母选择最流行的方式之一。在这种情况下，每个人都可以以与其健康状况成正比的概率成为父母。因此，健壮的个体更有可能将其特征交配并传播给下一代。因此，这样的选择策略向群体中更适合的个体施加选择压力，随着时间的推移进化出更好的个体。

考虑一个圆形的轮子。车轮分为n个饼，其中n是人口中的个体数。每个人都会得到一部分圆，该部分与其适合度成正比。

适应性比例选择的两种实现方式是可能的-

轮盘赌轮选择

在轮盘赌选择中，圆形轮如前所述被分割。如图所示，在车轮圆周上选择一个固定点，然后旋转车轮。选择固定点之前的车轮区域作为父级。对于第二个父级，重复相同的过程。

显然，装配工个人在车轮上有更大的馅饼，因此在车轮旋转时有更大的机会降落在固定点之前。因此，选择一个人的可能性直接取决于其适合度。

实施明智，我们使用以下步骤-

• 计算S =罚款总和。

• 生成一个介于0和S之间的随机数。

• 从总人口的顶部开始，将细数相加到部分和P中，直到P

• P超过S的个人是所选个人。

随机通用采样(SUS)

随机通用采样与轮盘赌轮选择非常相似，但是我们不仅有一个固定点，而且还有多个固定点，如下图所示。因此，只需旋转一下即可选择所有父母。同样，这样的设置鼓励高度适合的个体至少被选择一次。

要注意的是，适合度比例选择方法不适用于适合度为负值的情况。

比赛选择

在K-Way比赛选择中，我们从总体中随机选择K个个体，然后从其中选择最优秀的个体作为父母。重复相同的过程以选择下一个父对象。比赛选择在文学中也非常受欢迎，因为它甚至可以在负适应性值下工作。

排名选择

等级选择也适用于负适应度值，并且通常在人群中的个体具有非常接近的适应度值时使用(通常在运行结束时发生)。如下图所示，这导致每个人在馅饼中所占的比例几乎相等(就像在进行适度选择的情况下一样)，因此，每个人无论彼此之间的适应度如何，都被选择为饼的概率大致相同父母反过来，这会导致对适身人士的选择压力下降，从而使GA在这种情况下做出较差的父母选择。

在这种情况下，我们在选择父级时删除了适应性值的概念。但是，人口中的每个人都根据其适合度进行排名。父母的选择取决于每个人的等级而不是健康状况。排名较高的个人比排名较低的个人更受青睐。

随机选择

在此策略中，我们从现有人口中随机选择父母。没有针对健身者的选择压力，因此通常避免使用此策略。