磁铁元件是储存环中最重要的元件。束流的稳定性和光学参数严格地取决于磁铁所产生的磁场的品质。在制造过程中，由于工艺的限制，制造出的磁铁和设计的磁铁存在一定的差别，称之为磁铁制造公差。磁铁制造公差会导致磁铁所产生的磁场与理想磁场存在偏差，称为磁场公差。　　 储存环上磁场误差会对束流动力学表现有一定影响，如导致线性与非线性参数的畸变，产生闭轨畸变、Beta-beating、工作点漂移、发射度变大、动力学孔径减小等问题。这些影响在机器正常运行阶段，可以采用各种校正系统抵消或者抑制，但是在机器的调试阶段会给机器调试带来一定困难。如果在安装机器之前，通过对各类磁铁误差的认识，合理地安排好各磁铁的位置，即对磁铁进行排序，可以有效降低上述负面效应，同时降低调试工作的困难和工作量。　　 目前已有了一些磁铁排序的方法对储存环进行性能优化。这些方法大都是解析方法，它们基于磁铁元件的相位关系，使各自误差产生的综合效应最小化。受到计算方法限制，上述算法很难得到最优的磁铁排序。　　 本文将储存环的磁铁排序问题看作数学上的排列组合问题，对排列组合问题的优化多采用智能计算方法。文中对比了多种智能算法，最终选择遗传算法作为磁铁排序的优化算法。　　 针对二极磁铁、四极磁铁和六极磁铁磁场公差对储存环性能的不同影响，论文设计了不同的目标函数。基于遗传算法编写储存环磁铁排序优化程序，以储存环为例，计算得到了储存环优化磁铁排序，令磁铁公差的影响最小。并同传统的磁铁排序优化算法进行了比较，新程序显示出了更强大的全局寻优能力和搜索效率。论文方法应用于HLS储存环二极磁铁排序问题，得到了二极磁铁的安装顺序。遗传算法