进化规则是为了求解预测问题而提出的一种有限状态机模型，其中机器的状态是基于基本均匀随机分布的规律进行变异，可用于求解静态和非静态时间序列的预测问题。应用于人工智能以及其他复杂系统领域的优化问题。
进化计算中常用的两种算法，进化规则和遗传算法。进化规则算法在运行过程中，主要是模拟和借鉴了生物在进化过程中对环境具有的自适应性，也就是在变异过程中只有个体的变异（适应环境），而没有个体之间的配对和交叉（保留父代的优秀基因）操作。这也是进化规则算法与别的进化算法的独特之处。
进化规则算法是从整体的角度来模拟生物的进化过程的，强调整个种群的进化。进化规则算法在运行过程中可视作一个整体，由按照某种目的（如优化）而相互密切关联的不同的部分组成，衡量进化规则算法的设计成功与否的判断标准也是从其整体表现行为上来看的，而不是由这个整体中个别组成部分的好坏来决定。因此，进化规则算法只有对外界环境的行为响应的好坏才具有判断和选择价值。至于这种整体响应是如何产生的以及具体的细节，则不是算法设计所要的主要因素。
针对工程领域的复杂优化问题，特别是存在较多局部极值点的函数优化问题以及多模态函数优化问题，进化规则算法的实际运行效果都比遗传算法表现出更为明显的优势