双层规划是一类具有递阶结构的优化问题，在现实生活中有着广泛的应用.该问题的特点是一个优化问题的约束域中嵌套着另一个优化问题，求解的计算量很大.另外，由于数据测量、近似建模以及数据动态变化等原因，优化问题中的系数往往是不确定的，这类问题称为不确定性优化问题.在不确定优化问题中，区间系数优化问题是近几年的一个研究热点,其特点是系数由区间数表示.由于问题的复杂性,目前求解带区间系数问题的算法并不多.常见的算法，如K次最好算法等,在求解较大规模问题时，由于极点的个数多，而使得算法的计算量很大.本文以遗传算法为框架，讨论了两类带区间系数的线性双层规划，设计了求解相应问题的遗传算法.1.针对一类上层目标函数带区间系数的线性双层规划问题，提出了一种基于双适应度函数评估的遗传算法,该算法的特点是在一次运算中同时获得最好最优解和最差最优解.首先，利用双层规划约束域的顶点进行个体编码，以上层目标函数中系数的上下端点构造两个适应度函数.其次，利用适应度函数排序种群中的个体，并按从好到差的次序验证个体的下层最优性,直到找到一个可行个体.最后，在算法运行中更新找到的可行个体.数值仿真实验结果表明.此方法是经济有效的.2.针对上下层目标函数均带区间系数的线性双层规划问题，提出了一种求此类问题最好最优解的遗传算法.首先，选择下层约束条件作为编码个体.在下层约束中选择若干个约束条件作为紧约束，将下层变量表示为上层变量的函数；其次，在问题中消去下层变量,使问题变为只含上层变量的线性规划,求解该线性规划得到一个点;最后，利用对偶定理，验证该点的可行性.若为可行解，则将线性规划的目标值作为个体的适应度，并在算法运行中更新找到的最好可行个体.