遗传算法(Genetic Algorithms，简称GA)是模拟自然界生物进化过程与机制 求解极值问题的一类自组织、自适应人工智能技术。遗传算法可以利用简单的编 码技术和繁殖机制来表现复杂的现象，从而解决非常困难的问题上，特别是它的 操作只面向编码串，与解空间的数学函数无关，使得遗传算法尤其适合常规方法 无法解决的、高度复杂的问题。目前遗传算法已被广泛应用于许多实际问题，已 成为人们用来解决高度复杂问题的一种新思路和新方法。 本文首先介绍了遗传算法的基本思想及操作方法，在此基础上提出了遗传算 法的主要理论及关键问题，接着对各国学者在标准遗传算法的基础上提出的许多 改进方法和功能进行了分析和总结，提出了遗传算法的局限性和改进方法，第三、 四章提出了两种改进的遗传算法：免疫-遗传算法和模式控制方式遗传算法，并 对抗体的多样度计算和亲和度计算进行了重点设计，改变了传统的二进制编码方 法，提出了基于信息熵的多样度和亲和度的计算方法，对模式控制方式GA的构 造及算法也进行了专门的设计。 最后分别将标准遗传算法和引入免疫机制的免疫-遗传算法以及模式控制 方式GA三种遗传算法应用于图像识别与提取问题上，计算机模拟的结果表明这 三种方法效果都很好，特别是改进的遗传算法的有效性较高，表明免疫-遗传算 法及模式GA应用于更复杂的寻优问题的求解前景较好。 关键字：遗传算法、适应度、免疫算法、模式控制方式遗传算法、多样度、亲和度、信息熵