遗传算法是一种通过模拟自然进化过程搜索最优解的方法,是目前比较理想的优化方法,它模拟自然进化中的优胜劣汰、适者生存的原理来进行学习和寻优,可以解决大空间、非线性、全局寻优等复杂问题。模糊c-均值聚类方法是一种常用的分类方法,能准确地对样本进行分类。有序样品聚类—最优k分割是近二十年来最新发展起来的一种聚类方法,针对的是有序样品。　　 本文首先尝试将遗传算法应用到模糊c-均值聚类分析中,提出基于遗传算法的模糊c-均值聚类方法,并用实例探讨分析其可行性。类似于基于遗传算法的模糊c-均值聚类方法的研究过程,然后重点研究将遗传算法与有序样品聚类进行结合,探讨基于遗传算法的有序样品聚类分析方法。本文开始使用单种群遗传算法,寻求新的有序样品聚类分析方法。其次在其基础上使用双种群遗传算法对其进行改进,加快搜索速度。最后将提出的新方法编写成Matlab程序,运用实例分析新方法的优劣性。