有向图是研究可视化软件和信息工程问题的基本模型。由于图容易让人明白和记忆,因此人们对于有向图算法有着相当大的兴趣。近年来,画图受到了越来越多的关注,对画图算法的研究已经成为计算机科学领域中的一个新的研究方向。有向图画图算法是画图领域的一个重要研究课题。目前,Sugiyama启发式方法及其相应变种是画有向图的主要方法。Sugiyama启发式方法通常把画图问题分成三个子问题：分层、每层顶点之间的排序以及调整。因为遗传算法在组合优化问题(搜索范围比较大)中能够取得相当好的全局优化结果,所以可以将遗传算法用于画图问题中。事实上,画图问题就是一个优化的过程。本文提出了一个基于遗传算法的有向无环图画图算法。主要内容如下： 1.介绍了研究画图的意义以及画图问题的研究现状。 2.介绍了图的基本概念,图的表示；然后介绍了图的评判标准以及目前现有的画图算法方法；最后介绍了遗传算法的基本流程。 3.介绍了基于启发式的有向图画图算法。算法主要包括三个步骤：删除环、分层、减少边交叉。我们对于每一个步骤都给出了一些比较经典的启发式方法。 4.提出了一个基于遗传算法的有向无环图画图算法,给出了算法的设计方法和步骤,并将其与以前的启发式方法作了比较。实验表明这种编码对于有向无环图是非常有效的。在基于遗传算法的有向无环图画图算法中,我们采用了边长度表示法进行编码。在遗传算法的设计过程中,我们还加入了质心启发式方法用来提高算法的效率。