Genetische Algorithmen sind der Evolution in der Natur nachempfunden. In der Natur passen sich die Lebewesen der Umgebung, in der sie leben an. Diejenigen, die an die Umgebung am besten angepasst sind, haben eine erheblich größere Überlebenswahrscheinlichkeit. Das Phänomen wird als "survival of the fittest" bezeichnet. Genetische Algorithmen werden auch für Platzierung integrierter Schaltungen verwendet. Mögliche Lösungen des Platzierungsproblems werden als Individuen bezeichnet. Sie werden häufig durch eine Kette von Symbolen repräsentiert. Die Symbole, die für die Darstellung der Lösung benötigt werden, werden als Gene bezeichnet. Eine Kette von Symbolen bestimmter Länge wird als Chromosom bezeichnet. Da genetische Algorithmen iterativ sind, wird jede Iteration mit dem Begriff der Generation gekennzeichnet. Eine Menge gültiger Platzierungen (Individuen) wird mit Population bezeichnet. Nach jeder Iteration werden die Individuen der Populationen anhand von Fitness-Tests bewertet. Dieses stellt die Kostenfunktion bei den genetischen Algorithmen dar. Die Fitness bewertet somit die Qualität der Platzierung.