遗传算法作为一种搜索寻优技术，已经在许多领域得到了成功的应用。然而NFL定理的提出，使遗传算法的应用受到了冲击，于是对遗传算法困难度的分析便提上了日程。另外，起源于生物学中的概念“适应值曲面”已成功地应用到了遗传算法中，成为描述适应值空间特征和分析遗传算法性能的重要工具。本文就是在这种背景下，对遗传算法适应值曲面理论进行了探讨，并基于适应值曲面对遗传算法的困难度进行了分析，提出了若干种测试遗传算法困难度及解决遗传算法困难问题的方法。本文的主要研究内容如下：1. 回顾了遗传算法的发展历史，总结了遗传算法的特点，分析了遗传算法理论与应用研究的现状，并指出了当前需要解决的系列问题；讨论了适应值曲面概念的起源，并分析了适应值曲面的应用状况；阐述了遗传算法困难度研究的背景、历程和现状。2. 阐述了遗传算法适应值曲面的概念，及其在遗传算法研究中所起的作用。从图论的角度对遗传算法适应值曲面进行了分析，描述了适应值曲面上的随机游走相关函数，详细推导了相关长度计算公式。对适应值曲面上的随机游走模型进行了时间序列分析，以获得关于适应值曲面的更多的信息，并基于NK-适应值曲面进行了实证研究。提出了模式适应值曲面的概念，并对模式适应值曲面进行了统计分析。对动态适应值曲面进行了初步分析。3. 论述了NFL定理，并分析了遗传算法困难度研究的意义。详细阐述了遗传算法欺骗问题中的各种定义及定理，描述了模式欺骗对遗传算法困难度的影响。利用Walsh模式变换对遗传算法基因关联问题进行了分析，并对连续函数优化问题的基因关联阶数进行了估计。同时对基因关联进行了统计分析，讨论了基因关联方差及基因关联相关系数，归纳出两个定理并给予了严格的数学证明。阐述了几个常见的基因关联问题。对影响遗传算法困难度的其它问题（函数的多模态、适应值曲面的崎岖度、遗传算子的选择、早熟问题、遗传参数的控制等）进行了系统研究。4. 对常见的几种遗传算法困难度测试方法（FDC测试、相关长度测试与基因关联测试法）进行了分析比较。提出了一种排序统计分析方法，可以直接测试适应值曲面的特征，从而进一步反映遗传算法对该问题优化的困难程度。提出利用分形理论来分析遗传算法适应值曲面，并提出基于随机游走模型对适应值曲面进行关联维数测试，以反映适应值曲面的复杂程度。针对传统的测试基因关联的方法只能给出染色体中所有基因位的整体关联程度的情况，通过在模式适应值曲面上分别进行相关长度测试和基因关联测试，以研究染色体中一些特定位之间的基因关联程度。对实数编码遗传算法困难度的测试方法进行了分析，提出了一阶函数逼近测试法。同时基于进化动力统计分析对遗传算子的性能进行了测试。5. 讨论了几种遗传算法困难问题构造方法。分析了几种常见的改进遗传算法结构的方法，以提高遗传算法的性能。提出了一种动态排序编码方法，以提高交叉算子的效率。然后对欺骗问题的检测方法进行了举例分析，并提出了一种有效克服欺骗问题的遗传算法。最后，基于适应值曲面分析及困难度测试设计了遗传算法的决策支持系统框架。