该文介绍了遗传算法的起源、历史发展和主要研究方向,国内和国际的研究动态.该文创新的工作主要体现在以下几点:1 该文对于经典遗传算法(Canonical Genetic Algorithm, CGA) 易于收敛到局部最优(过早收敛)问题,从理论上分析了遗传算法交叉、变异和选择算子对种群多样度的影响.2 提出了仅有变异、选择算子的无交叉算子遗传算法(Non-Crossover Genetic Algorithm, NCGA).证明该算法的搜索过程是一个齐次遍历马尔可夫链,给出了基于精英保留无交叉算子遗传算法的全局收敛性证明,并从理论上证明了无交叉算子遗传算法的收敛速度上限等于经典遗传算法,基于模式定理证明无交叉算子遗传算法保留模板概率的期望值大于经典遗传算法.3 提出了复合算子遗传算法.其基本算法是遗传算法的交叉操作、变异操作,按照比例或随机采用多个可行的交叉和变异算子,进行交叉和变异操作.对于NP完全的TSP问题,基于复合算子遗传算法取得了比经典遗传算法更快的收敛速度.针对大量的典型非线形优化问题,与CGA相比,该文提出的算法同样取得了更好的结果;?4 该文提出了混合编码、混合遗传算子操作思想.其基本思路是不同的并行子种群采用不同的编码,不同的交叉,变异算子,种群间采用浮点个体进行交流最优个体信息,对于函数优化问题,该文算法取得了比单一编码和单一遗传算子并行遗传算法更优的结果.该文对于每一种算法都给出了详细的步骤,并与其他文献上的算法进行了比较,每一个结果都是可以再现的.关于无免费午餐定理.Wolpert和Macready在1997提出了"无免费午餐"定理(no free lunch theory)<[105]>.无免费午餐定理其基本思想是,一个算法"优化",仅仅是该算法对某一类问题具有较好的算法性能,对于其他问题,其性能必然下降.