遗传算法是模拟自然界遗传机制和生物进化论而成的一种随机搜索优化方法,由于其隐含并行性和较强的全局搜索特性,使其具有其他常规优化算法无法拥有的优点。然而,与经典的方法比较,遗传算法还是一门新兴的学科,无论是在其理论上还是实现方法上都有待进一步完善,只有对其不断的改进,才能更好地发挥遗传算法的性能和特点,使其更广泛的应用于工程实践。在对遗传算法的基本原理、基本要素以及理论基础等进行详细分析后,本文针对基本遗传算法在应用中存在的局限性,提出了相应的改进措施:(1)从遗传算法自身的角度出发,采用了小生境技术的遗传算法,结合精英保留策略、种群多样性保持方案、新的适应度值标定方式、改进的自适应交叉和变异率对基本遗传算法进行改进;(2)在遗传算法的搜索过程中融合局部搜索能力强的梯度法,构成混合遗传算法来提高运行效率和求解的质量。随着国民经济的不断增长,人民生活水平的不断提高,汽车进入寻常百姓家中业已成为现实,随之而来的城市交通问题则日益突现出来。因此,采用现代科学手段,研究一些智能化的方法来解决城市交通管理问题,就成为当务之急。为了缓解城市交通拥挤,本文在分析了城市道路单交叉路口交通流特性的基础上,首先建立了以车辆平均延误时间最短,以相位有效绿灯时间和饱和度为约束条件的非线性函数模型,利用混合遗传算法对模型进行求解,得到在固定周期下的最优配时方案。仿真结果表明获得了理想的效果,表现了混合遗传算法的优越性。其次,针对交叉路口的拥挤状况,建立了以控制周期内路口的总的排队长度最小为目标,以相位有效绿灯时间和周期时长为控制变量的交通信号优化控制模型,利用改进的遗传算法对模型进行多次仿真计算,结果表明本文的优化控制方法能够使控制周期内路口的总延误排队车辆数明显减少,同时也体现了改进的遗传算法在解的稳定性、最优性和收敛速度等方面都优于基本遗传算法。