自20世纪60年代,美国密西根大学Holland教授提出遗传算法(Genetic Algorithm,简称GA)以来,遗传算法的理论和方法得到了迅速的发展,其在解决一些复杂问题方面表现出来的优异性能得到了人们很大的关注,应用的范围也得到了不断的扩展。然而,在应用的过程中,遗传算法也表现出了其本身的一些缺陷,如:局部收敛问题等。为了克服这些缺陷,人们对遗传算法做出了大量的改进,取得了良好的效果。自适应遗传算法(Adaptive Genetic Algorithm,简称AGA)的产生也正是对基本遗传算法改进的产物。本文的主要工作有以下几点:1、总结了遗传算法的有关理论知识,基本算子和应用领域。总结了基本遗传算法的构成要素、算法流程,并给出了一张详细的算法流程图。并对基本遗传算法的改进研究现状和方向进行了详细的总结。2、介绍了有关自适应遗传算法的产生及其改进目的,以及对自适应遗传算法改进研究的现状进行总结。3、详细论述了本人的在自适应遗传算法改进中的工作。通过引入相似系数的概念,并在Logistic曲线方程的基础上,构建出新的交叉概率和变异概率的调节公式。并通过对一个经典函数的优化,说明了新的改进算法的有效性。4、针对一个非常实际的问题——公交发车时刻表的编制,在满足一定约束条件的前提下,实现企业利润的最大化,由此建立了一个含约束条件的非线性规划模型。最后,通过一组统计客流数据,并利用新的改进自适应遗传算法,模拟了此模型的合理性,同时也验证了新的改进算法在求解此约束模型上的有效性。