自然界的生物进化是一个不断循环的过程,在这一个过程中,生物群体也就不断的完善和发展。可见,生物进化过程本质上是一种优化过程,在计算科学上具有直接的借鉴意义。人们模仿生物的遗传和进化机制,提出了遗传算法。由于遗传算法的普适性和鲁棒性,遗传算法在机器人路径规划,公路路径设计等许多工程领域都发挥了重要的作用。由于TSP(Traveling Salesman Problem)与众多网络优化问题在形式上有一定的相似性,所以研究遗传算法在TSP问题中的应用对后续问题的展开有一定的指导意义。随着程控交换机的大量运用,中国七号信令网在我国的应用已经全面铺开。因此NO.7信令网的规划就显的日益重要。其中,A/B平面划分是一个用传统方法难以解决的NPC(Nondeterministic Polynomial complete)问题,它和图的划分问题有类似的地方,但也有其自身的特点。本文所做的主要工作概括如下:1.建立了TSP问题的数学模型,在介绍传统遗传算法和贪婪算法的基本原理的基础上,研究了用传统的遗传算法和贪婪算法解决问题的方法,并且对国际通行的TSPLIB中两个不同规模的问题进行了仿真。2.本文提出了一种新型的遗传变异算子,该算子针对遗传算法在求解TSP问题后期遇到收敛瓶颈的缺点,有目地的加大了种群的搜索空间,使得种群最优值能够迅速的向函数最优值靠拢。仿真试验表明,改进后的遗传算法在性能上有了显著的改进。3.比较传统遗传算法、贪婪算法,改进遗传算法在解决TSP问题时的性能,指出了三种算法在寻优性能上的差距,解释了改进后算法性能改变的原因。4.建立了七号信令网A/B平面划分的数学模型,并且用传统的遗传算法和本文提出的遗传算法对数学模型进行仿真,比较了两种算法在网络优化问题上的性能差异。最后就新旧算法耗时和网络的规模关系进行了仿真。