本文应用自适应数学模型，借鉴生物界种群与其生存环境相互作用，互相依托，共同进化发展的原理，提出了小生境—环境协同进化遗传算法(EITGA)。把问题区间划分为若干个小区间，每一个区间形成一个小生境，根据特定信息，将其中一个小生境视为主优化区间，其他小生境及约束视为环境，通过遗传算子完成寻优。小生境的遗传操作提高了搜索效率；多个小生境和环境的存在保证了群体的多样性；小生境与环境地作用，保证了算法的遍历性和跳出局部解的能力，促使算法能够搜索到全局最优解。 　　本文提出的区间约束及不等式约束下的小生境—环境协同进化算法EIT—GA1和EITGA2，采取以约束区间划分小生境、约束不等式构造生存环境的策略使搜索空间显著缩小。同时采用多项自适应进化策略，大大提高了搜索的效率，避免了约束问题罚函数法无法事先确定罚因子的困难。通过多个典型的约束优化问题的仿真表明，EIT—GA方法比罚函数遗传算法和DCPMGA法具有更高的搜索效率和更好的全局寻优能力。其解的性能也比其他算法要优越和稳定，表现出了很强的鲁棒性，具有更广泛的适用性。 　　最后应用随机理论和泛函理论，证明了小生境—环境协同进化遗传算法是遍历的，收敛的，能够搜索到全局最优解。