模式定理是遺傳算法中的一個重要概念，它解釋了為什麼在遺傳算法的運行過程中，較優的模式（即較優解的編碼形式）的數量會呈指數級增長。這一現象是由遺傳算法的選擇、交叉和變異操作共同作用的結果。具體來說，模式定理指出，具有以下特點的模式更有可能在遺傳算法中成功增長：
低階：模式的確定性較低，匹配的樣本數較多。
短的定義長度：模式的長度較短，使得其在染色體中更容易被識別和操作。
平均適應值高於種群平均適應值：模式的適應值高於種群的平均適應值，意味著該模式更有可能產生更好的解。
模式是由三值字元集{0,1,}構成的，其中的符號''表示任意字元（0或1）。模式階（Schema Order）表示模式中已有明確含義的字元個數，而模式的定義距是指模式中第一個確定位置和最後一個確定位置之間的距離。
模式定理為遺傳算法的機理提供了數學基礎，確保了較優的模式在子代中的指數增長，從而提高了遺傳算法尋找最優解的能力。這一理論是由遺傳算法的創始人John Holland在其著作《Adaptation in Natural and Artificial Systems》中提出的。