饲料配方在畜禽饲养业中起着重要的意义。传统的手工计算方法不能满足配方原料的筛选及优化最低成本配方的需要。目前，许多采用计算机优化得到的饲料配方不仅能很好的满足各种畜禽的营养需要，而且还能优选原料，使成本尽可能的低。但是这些方法只能解决约束较少，规模较小的问题。用传统优化方法很难解决的问题，遗传算法却为我们提供了一种全新的优化思路，并且可以很容易的得到近似最优解。尽管遗传算法在很多领域得到了很好的应用，但它毕竟是一门新学科，其理论和方法尚未成熟，算法自身的一些不足也有待于进一步地改进和完善。本文就遗传算法在数值优化问题求解的应用上，基于饲料配方做一些初步的工作。首先阐述了饲料配方及其常见的设计方法，其次提出了基于遗传算法的研究技术路线和饲料配方模型，然后对标准遗传算法进行具体操作，并重点对标准遗传算法进行了优化和改进设计。优化设计主要体现在选择策略中使用了随机联赛选择替代传统的轮盘赌模型，同时使用了精英主义方法，这样即可以提高运算的效率也可以保证优良个体的进化；交叉操作则改进为对父代矢量的各个分量进行交叉时，采用不同的随机数，使子代个体的搜索空间得到了拓宽，避免早熟，提高全局寻优效率；变异操作采用高斯变异来改进标准遗传算法中的均匀变异，重点搜索原个体附近的某个局部区域，能很好的对重点搜索区域进行局部搜索，解决了标准遗传在局部搜索中不足；自适应调整Pm和Pc两个参数，对性能较差的个体采用较大的交叉率和变异率，对于性能优良的个体则根据适应度的大小采用适当的交叉率和变异率，随着繁衍代数的增大，交叉率和变异率将下降，以利于算法的收敛，规避了标准遗传算法中Pm和Pc的确定需要人工估测的步骤，使得配方程序一次运算即可得到近似最优解，提高了算法的效率和易用性。最后本文就优化改进后的算法程序进行运行，对100组配方实验数据分析，并与传统数学方法和标准遗传算法比较。优进遗传算法在配方的算法性能、算法效率、配方效益、配方精确度等方面都达到了较好的效果。