本论文提出了一种新的生物组织热物性参数和光学特性参数重构方法，即采用一种改进的遗传算法来重构这些参数，这种改进的遗传算法是基本遗传算法与模拟退火算法结合后形成的一种新算法，称之为模拟退火遗传算法(简称SAGA)。通过计算机数值模拟证明，与传统的优化算法以及简单的遗传算法相比，此改进的算法重构精度高，收敛速度快。文中首先论述了遗传算法及其改进，包括基本遗传算法理论，模拟退火算法理论以及基本遗传算法与模拟退火算法的结合。接着论述了基于模拟退火遗传算法的生物组织热物性参数与光学特性参数的重构。对于前者，首先在生物组织中测量有限个温度点，然后通过模拟退火遗传算法来反演生物组织的热物性参数，在这一部分介绍了热物性参数重构的理论基础——生物组织传热机理及传热模型。计算机模拟证明采用模拟退火遗传算法来重构热物性参数可以取得更高的精度及收敛速度。对于后者，首先获取生物组织表面的漫反射光分布，然后由漫反射光分布通过模拟退火遗传算法来反演生物组织的光学特性参数。本文采用了蒙特卡罗方法来模拟生物组织表面的漫反射光分布。因此在这一部分，介绍了生物组织中的光输运过程，蒙特卡罗方法模拟生物组织表面漫反射光分布的原理与步骤，然后由已得的光分布，反演得到光学特性参数。数值模拟证明采用模拟退火遗传算法来重构光学特性参数同样可以取得更高的精度及收敛速度。最后，对所提出的生物组织热物性参数和光学特性参数重构算法进行了总结和分析。