遗传算法由于其简单且具有求解复杂问题的潜力而引起人们的研究兴趣，它在科学研究、工程技术、医疗卫生、文化艺术中的应用也越来越多。实数遗传算法由于其个体表达更贴近问题空间，可表示的数域范围广，数值精度高，计算速度快，近年来更受到使用者的欢迎。本文在讨论遗传算法理论的基础上，提出了一些提高实数遗传算法搜索效率的方法，并通过仿真实验进行了比较验证。 第一章(绪论)介绍了经典遗传算法的基本结构、特点、发展简史并对进化计算的其它分支进行了简单的说明。总结了遗传算法理论和应用研究的热点，介绍了提高遗传算法搜索效率的一些途径，说明了本研究课题所做的主要工作。 第二章(遗传算法的理论基础)介绍了标准遗传算法的基本理论并对实数遗传算法的全局收敛性进行了讨论。给出了二进制遗传算法和实数遗传算法的常用算子，在此基础上对两种算法的区别进行了分析。设计粗糙度的概念反映实数个体隐含的解空间，并提出了提高实数遗传算法搜索效率的三条途径。 第三章(实数遗传算子的改进)利用粗糙度的概念讨论了实数变异概率和一致变异算子。设计了两种近似均匀的一致和非一致交叉算子，以减少原算子存在的后代向中心收缩的缺点。提出了群体规模选取的参考方法，并设计了一种倍增群体算法。介绍分析了定量评价实数遗传算法搜索效率的指标，并以函数优化为例，表列了定量评价结果。 第四章(自适应实数遗传算法)通过对实数遗传算法搜索过程中群体特性的探测，发现基于适应值比例选择的算法在搜索后期主要出现随机漫游现象。在此基础上，设计了一种自适应定标方法，提高了群体收敛的速度。通过在实数遗传算法出现搜索停滞现象时加入混沌序列，刺激了群体的活性，有效提高了算法的搜索精度。对二维函数优化还使用了一种基于区域划分和转移的自适应算法，搜索精度和稳定性大为提高，不过对高维优化问题还不适用。 第五章(实数遗传算法的应用)将多种实数遗传算法用于高次方程求解和参数估计中。简单实数遗传算法可以高精度逼近高次方程的解，改进的实数遗传算法进行参数估计也是有效的，其中混沌刺激算法在非线性回归中得到了比较满意的效果。针对实数遗传算法解三元以上方程组效果不佳的情况，认为实数遗传算法中设计的适应度函数能否充分反映问题所给出的优化条件是算法应用成功与否的关键。