遗传算法在计算智能、人工生命、图像处理和模式识别等方面具有重要作用。基本遗传算法在理论与应用技术上还存在着许多不足和缺陷,其主要表现为易陷入局部最优解和收敛速度慢。加快遗传算法的收敛速度以及提高算法的全局收敛性是当前改善遗传算法性能的主要方向。基本遗传算法与其他算法的结合可以综合多种算法的优势,大大改善基本遗传算法的性能。本文在介绍和实现基本遗传算法的基础上,研究了基于模拟退火的混合遗传算法,分析了模拟退火算法与遗传算法的结合方法,仿真实现了模拟退火混合遗传算法,并分析了其性能。针对基本遗传算法的不足,本文提出了精英自适应混合遗传算法,对传统的遗传方式进行了创新。精英自适应混合遗传算法改变了传统遗传算法两个父辈只产生两个子辈的遗传方式,允许一对父辈生出多个子辈,组成“家庭”;选择方式上,精英自适应混合遗传算法把子辈和父辈同时归入选择范围,在“家庭”成员中选择最优个体进入种群。精英自适应算法对遗传方式和选择方法上的改进,大大提高了遗传算法的性能,测试函数结果表明,精英自适应算法的收敛速度比基本遗传算法快了很多。在理论研究的基础上,研究了混合遗传算法在智能交通信号控制中的应用,研究表明,混合遗传算法有效缩短了车辆的平均等待时间,在复杂的实际问题中体现出很好的应用前景。