近年来改进的遗传算法越来越多的用于解决现实世界的问题，并取得有重大的意义及成果。遗传算法融合各种技术，并在其算法框架中与其他算法混合以取得最好结果。本文主要研究遗传算法与不同优化算法相结合之后的搜索效果。研究主动与增强技术的稳定性，可行性适应性以可替代操作性。本文介绍的搜索方法分别有：调整方法、基于系统分布的搜索方法、以适应度为中心的搜索方法以及局部搜索方法。通过使用这些搜索工具，能有效保持遗传算法的全局搜索与局部搜索之间的平衡。通过运用新的搜索工具以及搜索方式，本文设计了一种HGA算法。此外，本文将不同的改进方式应用于遗传算法进行比较。比较算法有以下几种：Walls文献中的Hybrid GA，Lin研究的SGS应用于遗传算法，Elloumi研究中的进化算法EA，Wang文献里的估计分布算法EAL。最后，本文研究了基于案例的不同调度方案：半主动调度、主动调度，无延迟调度，并且设计一种混合遗传算法应用于服装企业资源约束项目调度的实例，试验结果验证本文提出算法的可行性。