演化算法是一种模拟自然界的演化过程，具有自组织、自适应和自学习等智能特征的随机优化技术。其内在的隐并行性使其特别适合求解一些大规模的复杂问题。演化算法具有遗传算法、遗传程序设计、基因表达式程序设计、微粒群算法、量子遗传算法、分布估计算法等诸多分支，它们各自具有一些独特的特性。本文研究充分利用各种演化算法特性进行协同演化和混合进化，并将这些混合的演化算法应用到函数优化、背包问题及多维背包等实际问题中。重点研究分布估计算法、量子演化算法、混沌优化及郭涛算法等演化计算方法的混合进化。 本文的主要贡献和研究结果如下： 1．分布估计算法中引入松弛互补的概念。 2．将混沌理论应用到郭涛算法求解函数优化问题。 3．将传统的线性规划与分布估计算法结合求解多维背包问题。 4．在多父体杂交算子中引入了混沌优化技术。 本文的研究丰富了演化计算领域的内容，在分布估计算法、函数优化等方面的研究具有一定的理论意义和应用价值。