当前在工程领域特别是自动控制、人工智能等领域不断涌现出超大规模的非线性规划问题,这类问题往往多参数、高复杂、不确定、建模困难,经典的传统算法对这类问题都有进入局部最优、运算效率低、有时甚至得不到最优解的局限性。遗传算法是一种借鉴生物自然选择和自然遗传机制的随机优化搜索算法,具有全局优化性和易操作性,由于其思想简单、具有广泛的适应性和高鲁棒性,因此赢得了许多应用领域,并已经成为人工智能的一个热点研究领域。本文主要研究对遗传算法的改进,以及如何发挥遗传算法的优势来解决非线性规划问题。本文首先对遗传算法的背景、基本思想和基本理论等作了详细的介绍。然后针对简单遗传算法存在的收敛过慢、局部搜索能力不强、稳定性差、早熟现象等缺陷,以及现有的一些改进遗传算法存在的不足,提出了一种新的改进遗传算法,并将其应用到求解非线性规划中。最后通过数值实验,不难发现非线性规划问题越复杂,这种新算法的全局寻优性能效果就越显著。其中,在处理约束非线性规划时,本文主要采用一种精确罚函数法将其转化为无约束问题,然后利用本文提出的新算法求解,其中罚因子σ的选取总结了一定的规律。最后通过算例将本文算法与传统算法及一些遗传算法进行了比较,实验结果说明了这种约束处理方案可以得到比较好的结果。