遗传算法是计算数学中用于解决最优化问题的搜索算法,是进化算法的一种.本文针对遗传算法在求解优化问题最优解过程中出现的一些缺陷提出了两种改进的新算法:基于小种群策略的改进的并行遗传算法和基于改进型遗传算子和交叉策略的自适应遗传算法.改进后的遗传算法可以更广泛的应用于求解优化问题最优解的过程中,并可以更广泛的应用于计算机领域、数学领域以及一些现实问题中.首先,本文针对遗传算法应用过程中出现的早熟现象提出了基于小种群策略的改进的并行遗传算法,即先对标准的遗传算子进行了一些改进,然后提出了在个体总量相同的情况下,采用多个小种群并行运算并利用各种群间产生交互的方法,在保证计算简单的前提下防止了遗传算法应用过程中早熟现象产生;其次,本文针对遗传算子操作的盲目性,提出了一种自适应遗传算法,即使用一个新的初始化方法使得种群在解空间内均匀分布,然后通过动态的调整交叉概率和变异概率来优化交叉算子和变异算子,同时提出了一种新的交叉策略,以使得算法更有效.每个改进的新算法后都加入了测试函数和算例.本文的主要内容是提出了两种改进的遗传算法,最后的算例结果证明了算法的有效性.