遗传算法是一类模拟生物进化过程的随机全局优化算法,它提供了一种求解复杂系统问题的通用框架而不依赖于问题的具体领域,广泛应用于模式识别、图像处理、数据挖掘、自动控制和化工过程等领域。但是,传统遗传算法存在着一些缺点和不足,例如局部搜索能力差、易陷入局部极值和二进制编码海明悬崖等问题。RNA遗传算法是在遗传算法基础上结合RNA分子的编码和操作方式,它具有遗传算法固有的优点,而且还改进了遗传算法的不足,具有独特的优势。本文结合病毒进化的思想,对RNA遗传算法进行了研究,主要成果如下：(1)提出一种基于病毒进化RNA遗传算法(VERNA-GA)。(?)十对传统遗传算法进化后期种群个体相似度高、局部搜索能力差的问题,该算法引入病毒协同进化,模拟生物进化机制中病毒的感染、复制和剪切操作,经过种群选择、交叉和变异迭代寻找满意解。使用典型测试函数对该算法的性能进行测试，并与其它算法进行比较,表明了该算法的有效性。(2)针对具有不等式约束非线性规划问题,提出了一种混合VERNA遗传算法,该算法将VERNA遗传算法的全局搜索能力和SQP算法的局部搜索能力相结合,设计了两种新的交叉操作算子和自适应变异操作算子。使用具有不等式约束非线性函数对该算法的性能进行测试,并与其它算法进行比较,检验了该算法的有效性。(3)将所提混合VERNA遗传算法应用于求解短期汽油调合优化调度问题。仿真结果验证了该方案的有效性。