遗传算法(Genetic Algorithm——GA)，是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的。J.Holland教授和它的研究小组围绕遗传算法进行研究的宗旨有两个：抽取和解释自然系统的自适应过程以及设计具有自然系统机理的人工系统。遗传算法主要的特点在于：简单、通用、鲁棒性(稳定性)强。经过二十多年的发展，遗传算法已经在旅行商问题、生产调度、函数优化、机器学习等领域得到成功的应用。本文在第一章当中主要阐述了遗传算法的基本原理，简单叙述了遗传算法的基本原理以及本文的主要工作和研究。在第二章当中重点叙述了遗传算法的各种理论包括算法的各种算子和参数的设定和相关的理论。第三章简单遗传算法存在着收敛速度慢、易陷入局部极小等缺陷。针对这2点，对遗传算法的各个环节作了改进：对初始方案集的产生做了改进，提出了更加适合自然规律的竞争选择法，设计出与迭代次数成反比、与父串间的距离成正比的自适应变异率。第四章为解决传统遗传算法中收敛速度慢的问题，提出一种基于最优基因的遗传算法。将这一算法应用于函数最优解问题，仿真结果表明它可以显著提高到达最优解的速度。