频率分配是一类最优化问题，在数学上是一个NP完全问题，即完全多项式非确定性问题，可以用穷举法得到答案，但是这样的算法，其计算的时间随问题的复杂程度成指数增长，很快便变得不可计算了。在文献中，频率分配的算法一般有确定性算法、启发式算法和计算智能方法三类，本文采用的遗传算法属于计算智能方法的一种。 论文的主要内容是首先论述频率分配技术和遗传算法的基本理论，然后给出一个GSM移动通信系统频率分配的例子，使用遗传算法求解该例子的频率分配问题，使未满足约束条件的次数尽量减小。同时通过这个例子分别对遗传算法的两种选择算子和两种交叉算子的性能做比较。文章最后就如何设置遗传算法各个运行参数给出了自己的建议。 在论文的第四章中，结合给出的例子，详细介绍了使用遗传算法的各个步骤，每个步骤都给出文字或者图形表达的编程思想。其中关于编码的策略在参考文献的基础上增加了新的要求，使得从一开始同一小区内的频率相互之间便不存在干扰。为了和编码策略相适应，在变异操作时也使用了特殊的变异算子。 第四章的试验结果表明在限定一定数量的可用频率的条件下，该算法能够使未满足约束条件的次数尽量减小。在试验一和试验二中比较了遗传算法的选择算子和交叉算子的性能，结论是在文章给出的例子中双点交叉操作优于单点交叉操作，确定式采样选择法优于比例选择法。试验三比较了不同的变异概率对遗传算法性能的影响，变异概率取值过大则使遗传算法类似于随机搜索算法，取值过小则产生新个体的能力较弱。