遗传算法是模拟自然界生物进化过程与机制求解优化问题的一类自组织、自适应的随机搜索算法。它借鉴达尔文“优胜劣汰、适者生存”的自然进化理论和孟德尔的遗传变异理论，将问题的求解表示成“染色体”的适者生存过程，通过对“染色体”群一代代的不断进化，包括选择、交叉和变异等操作，从而使群体最终搜索到“最适应环境”的个体，即求得问题的最优解或满意解。遗传算法是一种非常通用的优化算法，其编码技术和遗传操作比较简单，对优化问题的限制性条件要求很低，具有很强的并行性和全局搜索能力。它能解决很多类实际问题，目前已经在机器学习、模式识别、图像处理、优化控制、组合优化和管理决策等领域得到了很好的应用。尽管遗传算法在很多领域得到了很好的应用，但它毕竟是一门新学科，其理论和方法尚未成熟，算法自身的一些不足也有待于进一步地改进和完善。目前，关于遗传算法自身的研究工作主要集中在下面两个方面：（1）遗传算法设计与执行策略的改进。这些改进主要集中在两个方面：一是对算法本身的各个要素（即编码方法、适应度值评价方法、选择机制、交叉机制和变异机制）做进一步修正，使算法能较快的搜索到最优解或满意解；另一方面是在其执行策略上做一些改进，即将遗传算法和其它寻优方法（如模拟退火算法、启发式算法、并行算法和梯度法等）相结合，提高其收敛速度和寻优能力。（2）遗传算法的基础理论研究。虽然遗传算法已有不少的理论研究，对于保证遗传算法能收敛到全局最优解提供了一定的理论依据，但总的来说，遗传算法在理论上仍然不是很完善的，还有很多问题如关于各种改进的遗传算法的收敛速度估计等都没有得到很好的解决。在本论文里，主要针对遗传算法的改进及其在具体领域中的应用两方面进行研究，所做的工作的主要有：第一．对遗传算法的基本理论进行了概括和总结。论文首先对遗传算法的诸要素（包括编码、遗传算子、适应度函数和遗传算法的参数等）进行了综合分析，给出了评价遗传算法性能的一些指标，并指出了遗传算法存在的一些缺陷和不足；接着结合马氏链模型给出了遗传算法的收敛性证明；最后结合梯度法、爬山法、模拟退火算法等有很强局部搜索能力的优化算法， -- 51<WP=58>给出了一些常用的混合遗传算法的构造思想。第二．针对遗传算法容易陷入局部极小，过早收敛这一缺陷，论文借鉴小生境思想和自适应思想对遗传算法做了一些改进，并将改进的遗传算法与一些已经改进的遗传算法[22,23,24]的计算结果进行比较，结果表明本文改进的遗传算法能更有效的搜索到最优解或满意解。第三．受无单元思想和插值思想的启发，论文利用最小二乘法，以《地表水环境质量标准有关项目标准限值表》为蓝本，建立了地表水水环境质量的评价模型。此模型是一个非常复杂的非线性优化问题，式中含有一个待定的参数。第四．利用遗传算法，求出了地表水水环境质量评价模型中参数的最优解，从而得到了一个完全的地表水水环境质量评价模型。第五．结合国家重点基础研究课题《密云水库及上游水环境污染形成、输送机理及其环境效应（G1999045705）》，利用前面建立的地表水水环境质量评价模型对密云水库的水质进行了综合评价，并分类。评价结果显示，在密云水库同一地点不同深度的水体的水质是不同的，水位越深，水质越差；而在同一深度不同地点的水体的水质也不一样，水库的河水入口点水质较差，水库大坝处的水质较好，水库中央处的水质较好，这与实际情况基本上都是相吻合的，从而说明评价方法是有效地,而利用遗传算法所求的参数也是有效地。作为一种新生事物，遗传算法刚一面世，就展现了强大的生命力和广阔的发展空间。尽管遗传算法仍然存在一些不足和缺陷，但随着算法的不断改进、应用领域的不断拓宽和基础理论研究的不断完善，它在科学研究和实际应用中所起的作用将会越来越大。