脑功能的研究是当代自然科学面临的最重大的挑战之一.由于脑电（EEG）的研究是一种真正无创伤的脑功能研究手段，因此，对脑电信号的研究就成为脑研究的热点。近几十年来，脑电逆问题由于其能够提高脑电的空间分辨率而引起了国际上的广泛兴趣和关注，所谓脑电逆问题是指利用脑电图（EEG）数据去反演可以反映脑电活动等效偶极子源的参数信息。优化方法是解决这一问题的有力工具。　　 遗传算法是一种模拟自然界生物进化的搜索算法，由于它的简单易行、鲁棒性强，尤其是其不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程，从而使它的应用范围极为广泛，并且己在众多领域得到了实际应用，取得了许多令人瞩目的成果，引起了广大学者和工程人员的关注。　　 本文的主要工作就是利用遗传算法来求解脑电逆问题。具体做了以下工作：　　 （1）在总结国际上EEG研究成果的基础上，系统地描述了生物电磁学研究中的基本电磁学方程，给出了一些重要方程的导出过程及适用范围，较详细地表述了脑电正逆问题的经典求解方法，为进一步开展EEG逆问题的研究奠定基础。　　 （2）对遗传算法理论与应用进行了一些研究和分析工作，在对传统遗传算法的基本机构和基本流程的研究分析基础上，对传统遗传算法的适应度函数和遗传算子的设计做了一些改进，融合自适应遗传算法技术和混合遗传算法，将其用于求解全局优化问题。　　 （3）将自适应遗传算法和混合遗传算法应用于脑电逆问题，其运算速度和防止局部最优的性能较基本遗传算法有较大提高。　　 （4）编程实现了自适应遗传算法和混合遗传算法并将其用于求解全局优化问题。通过仿真计算得出，采用改进的遗传算法在运行早期提高搜索速度和中后期防止陷于局部最优的性能都优于基本遗传算法。