在生物界，选择压力或进化压力可以被认为是一种外界施与生物进化过程的压力，从而改变该过程的进化方向。达尔文的自然选择（或者物竞天择）、适者生存其实就是自然界施与生物体选择压力从而使适应自然环境者得以存活和繁衍。而在遗传算法中选择压力则表示适应度高的个体被选中的概率。选择压力的大小对算法的全局探索和局部寻优之间的平衡关系有很大的影响：如果选择压力太低，适应度高的个体在种群中的影响大大降低以致于算法不能收敛，使搜索失去了方向，算法趋近于随机搜索；当选择压力过高，算法有可能会快速收敛于一个局部最优解从而找不到全局最优解。对于遗传算法，全局探索和局部寻优之间的平衡关系是算法好坏的核心问题，选择压力的变化直接影响着两者之间的平衡。对于不同优化问题选择一个合适的选择压力能使全局探索和局部寻优之间达到一个最佳平衡点从而能够又快又精确的寻求到全局最优解。这也是研究选择压力的意义所在。　　首先，本文研究了元胞遗传算法中选择压力的情况，并在此基础上，从灾变参数角度研究了灾变机制下元胞遗传算法的选择压力。改变灾变规模和灾变周期这两个参数，观察不同灾变参数下所仿真出来的增长曲线。实验结果表明，灾变的发生使算法的选择压力降低，当灾变规模越大、周期越短，算法的选择压力也就越小，反之灾变规模越小、周期越长，算法的选择压力也就越大。对于一个优化函数，寻找到一个适宜的选择压力，建立某一类优化问题的选择压力模型极为重要。　　其次，本文在分析灾变机制下元胞遗传算法选择压力的变化规律基础上，设计了一种基于灾变参数的自适应算法，通过改变灾变规模和灾变周期来自适应的调整算法的选择压力以寻求全局探索和局部寻优之间的最佳平衡点使算法达到最佳效果。实验结果表明，本文设计的基于选择压力的自适应算法比较于一般灾变算法和其他自适应算法来讲，其求解精度更高，收敛速度更快。　　本文的创新点在于研究了灾变机制下元胞遗传算法的选择压力，讨论了灾变参数对选择压力的影响，并且设计了一种通过改变灾变参数来调整算法选择压力的自适应算法。