二十世纪六十年代以来，人们开始借助计算机来求解各类复杂优化问题。一类智能型的遗传算法(Genetic Algorithms,GA)在复杂优化问题的求解方面表现出了优越的性能，越来越多的受到国内外学者的关注。 本文致力于对遗传算法的研究，在介绍了遗传算法的基本概念、体系结构、研究现状及本课题所涉及的主要技术的基础上，首先探讨了求解TSP问题一种基于免疫机制的改进遗传算法——免疫遗传算法，其次根据遗传算法所具有的面向对象的特性，分析了遗传算法通用类库的设计方法及关键技术，并构建了一个原型系统。具体工作内容如下： 在面向TSP问题的免疫遗传算法的研究方面：本文研究了这种改进遗传算法所具有的抗原识别、保持抗体的多样性、免疫记忆和接种疫苗等特性，并分析了TSP问题的基本特征, 给出了利用该算法求解TSP问题的详细过程的同时, 对该算法中的疫苗构造及接种方法作出了一定的改进, 对这种改进遗传算法作了深入了研究，显示出了该算法在克服简单遗传算法盲目搜索和收敛速度慢的较强能力。 在遗传算法通用类库的设计技术研究方面：一直以来，遗传算法的设计基本上都是结构化的程序设计方式，本文提出新的设计遗传算法的方法，提出为遗传算法设计一个通用类库，探讨了对遗传算法通用类库设计的技术和方法，并重点提出了使用设计模式的理念，为设计过程中解决耦合度、对象复杂和可扩展性等问题提供了良好的解决方案。 最后，构建了一个原型系统，实现了一个遗传算法的通用类库，并进一步为现开发出的类库给出统一的人机交互界面，为该类库的使用者提供一个良好的使用平台。