智能体能够模拟人类的行为,熟悉周围的环境,自治的运行,并且能够对环境产生一定的影响。遗传算法就是模拟生物的生存繁衍、遗传和进化过程,形成的一种自适应全局优化算法。根据智能体系统的特点,把遗传算法中的个体当作一个能够感知环境、进行竞争协作和自学习的智能体,研究将两者相结合的优化算法及其应用问题是非常有意义的。本文对智能体和遗传算法进行了研究,主要工作如下:首先,对智能体与遗传算法的基本理论、研究现状、研究意义、算法流程等进行了介绍。借鉴质点间相互作用的机制,提出了一种基于质点模型的多智能体遗传算法,通过质点间引力作用的特点不断提高智能体的能量。数值实验结果表明,该算法具有较高的优化效率,特别适合高维函数的优化。然后,提出了一种组合优化多智能体遗传算法。在实验中,用4个小规模欺骗函数(子函数)构成一个大规模欺骗问题对算法进行了测试。通过比较,此算法所需的计算量远小于其他文献的算法,表现了良好的性能,充分显示出智能体与遗传算法相结合的巨大潜力。最后,在求解开普勒超越方程时,面临的对梯度计算敏感和初始点要求过高等困难,提出了一种基于多智能体遗传算法的卫星轨道计算方法,并据此计算了多种卫星的星下点轨迹。数值实验表明,上述算法较传统优化算法有较强的普适性和全局收敛性。