协同进化遗传算法(Co-evolutionary Genetic Algorithm,CGA)是近几年来新兴的一种智能优化算法,是基于一个或多个种群同时进化的遗传算法,专门用于解决复杂的组合优化问题,在许多应用研究中表明此算法具有优越的性能。与传统的遗传算法相比,CGA能够避免“早熟现象”、加强局部搜索能力、提高运行效率等。本文设计了一种合作式CGA实现SOFM神经网络优化的新算法并应用于解决矿井突水水源判定问题,结果表明新算法具有良好的全局收敛性和较高的运行效率,而且成功解决了SOFM中存在的“死神经元”现象；另外本文还利用动态小生境技术设计了CGA并将此算法应用于解决车辆路径问题,结果表明该算法提高了该问题的求解效率。本文所做工作如下：1.简要阐述了遗传算法和协同进化算法的研究历程和研究现状的研究,总结了研究的意义和论文的主要内容。2.分析了遗传算法的结构,包括遗传算法的基本原理、算法流程和参数设置以及算法的优缺点等。3.概要介绍了CGA的基本思想、给出算法步骤以及几种典型的CGA。4.概要介绍了神经网络,然后用合作式CGA设计神经网络并给出了详尽的算法步骤和算法流程,最后用于解决矿井突水水源判别问题验证算法的优越性。5.将CGA用于车辆路径优化。在协同进化模型中引入动态小生境技术,然后用于优化车辆路径,并通过实验给出了优化结果。