收敛”这个词如果没有在算法学习中接触过，这里以一个形象的例子来说明，在体重秤上称量时，当人站上去时，指针就开始抖动，抖动幅度越来越小，最后基本稳定在一个值。稳定后，读取这个数字即可。假设体重秤称量是有算法控制的，那么这个摆动几下很快就能稳定在一个值的就是收敛性比较快（比较好）的算法；要摆动很久才能稳定的就是收敛性比较慢（比较差）的算法；如果摆幅随着时间的推移反而越来越大，那收敛性就非常不好，通常就没有解。
在上述例子中，可以就此结束迭代操作，也可以再观察一代到两代的变化。收敛的速度会因很多因素而变化，如基因位的长度、基因重组时的方案、基因变异的程度、每一代产生个体的数量等。一般发生适应函数收敛时就是迭代结束时。而在迭代结束前找到的最优的解就是要的解
