近些年来,人们对遗传算法的关注程度逐渐加深,对它的应用越来越广泛,但有关它收敛速度上的理论研究并不是很多。本文在杰出个体保存遗传算法的收敛速度方面做了理论上的分析,并在分析的基础上对传统的遗传算法进行了优化,方法是在进化的各个代中提高向全局范围最优解靠近的可能性进而使算法的效率得到提高。此外遗传算法还有早熟问题,本文给出了一种解决早熟收敛的方法,在求解过程中连续运行遗传算法数次来得到数个局部最优解,然后再从这些备选解中选择最杰出的解。本文还研究了应用遗传算法学习神经网络的权值的一些问题,给出了一种优化的网络结构,使用几个单一输出的网络作为多个输出的BP网络的一种替代方法,该种网络结构更简单,更适合使用遗传算法优化。此外,可以证明这种优化的网络结构具有更优的可行解。0-1规划是最具代表性的整数线性规划模型之一,本文在将遗传算法应用于实际项目《航运船舶配载系统》中时,将选取待选船舶建立为0-1规划的模型。在实际问题中待选船舶的数量可达数百艘,使用全枚举的方法在这里显然无法胜任。本文首先采取了分支限界法进行求解,使问题的计算复杂度明显降低,在通常情况下可以立刻求解出问题的全局最优解。然后本文针对那些使用分支限界法也无法在可接受的时间内计算出全局最优解的情形,提出了一种改进的遗传算法来解决任务。其实使用目前所知的任何方法求解这些少部分情况都是困难的,使用遗传算法计算满意解已经可以满足需要,通过实验也证明了本文给出的方法的是有效的。