优化问题广泛存在于工程应用、商业运作等领域，设计高效可行的求解算法显得尤为重要.遗传算法是模拟生物进化的全局搜索方法，它对目标函数的可微性和连续性无要求.对问题的求解具有很强的全局搜索能力和鲁棒性.本文对求解无约束优化和约束优化问题的遗传算法进行了研究，主要成果如下：第一，针对约束优化问题的最优解可能位于可行域边界的情况，提出了一种新的基于混合遗传算子的遗传算法.首先，在该算法中，杂交过程按可行个体和不可行个体分别进行，可行个体与最好个体杂交，不可行个体按照约束违反度的大小与可行个体杂交.其次，引入了一个基于边界变异和高斯变异的混合变异算子，其目的是促使不可行解变为可行解，可行解向边界移动.数值实验和比较结果表明了该方法的有效性.第二，针对无约束优化问题，设计了基于较好点信息进化的遗传算法.首先对于种群中的父代杂交个体，任意选择两个比该个体更好的个体；其次，基于单纯形法反射、延长和伸缩变换的思想，产生杂交后代，使产生的后代个体尽可能的好.数值实验和结果表明了该方法的有效性.