热力学主要是以能量转化的角度来来对物质的热性质进行研究,揭示能量在进行形式转化时所遵从的规律。热力学是从物资的宏观视角出发,对宏观的现象进行总结而得到的理论。热力学对于粒子间的相互作用和微观结构是不涉及的,因此,热力学是一种基于唯象的宏观理论,具有普遍性和可靠性的特点。一些热现象宏观过程是不可逆的,相应态函数是熵,熵的变化及大小既指明热力学过程进行的方向又反映系统的稳定性。遗传算法是一种模拟生物进化过程来求解函数优化问题的有效算法,它不依赖于问题具体的领域,对各类问题具有很强的鲁棒性,广泛的应用于很多学科。在遗传算法中选择算子是其中的影响因素之一,在大自然生物进化过程中,适者生存,优生劣汰,所有物种的进化都是基于这一原则。因此,遗传算法里的选择算子将决定群体的搜索方向,选择算子及其相关的参数的设计是否合理,将直接对算法的搜索效率和收敛性产生影响。由热力学定律可知,对于与周围环境进行热量交换且保持温度不变的封闭系统来说,系统总是朝着自由能减少的方向演化,当系统达到稳定状态时,系统自由能在此时达到最小。因此,我们将遗传算法中的群体作为一个热力学系统,在优化中引入能量、温度和熵的概念,通过模拟热力学中熵与能量的竞争协调平衡“选择压力”与“种群多样性”之间的竞争压力。基于这一认识,本文致力于将热力学和遗传算法相结合,用来解决约束单目标优化问题、约束多目标优化问题,以及用来解决在较大的突发事件中应急物资调度的问题,具有一定的现实意义,本文的工作如下：(1)受自由能极小化原理的启发,设计了基于热力学操作的混合算法框架,用来求解约束单目标优化问题的热力学遗传算法,并通过实验证明了其有效性。(2)受热力学系统中熵与能量的竞争关系的启发,设计了热力学混合遗传算法用于解决约束多目标函数优化问题,通过设计热力学算子来保持种群多样性与逼近性之间的平衡,通过初精英选择策略来提高初始种群的质量,采用分层小生境的选择策略,最后通过实验对算法的有效性进行了验证。(3)应急物品常常在大规模突发事件中易出现需求大于供应的现象,对此,结合实际情况安排,以最小化成本和时间为目标,研究应急物品在各厂商之间的合理分配,以便能快速的、经济的运送到灾区,通过建立模型,采用约束多目标优化的热力学混合遗传算法来计算,最后利用实验对算法的有效性进行了验证。