自从进入二十世纪以来,计算机技术得到了飞速发展,变化是日新月异的。从计算机的诞生到普及,经过了非常短暂的时间。在这短短的几十年里,计算机技术带给了人们哪些的好处呢?可以说是数不胜数的,而且也是无可替代的。计算机改变了人们的生活方式,提高了世界各国的经济发展速度,对整个世界的政治,经济,军事和文化等各个方面都有着深刻的影响。可以说计算机把人们从一个世界带到了另一个世界当中,使人们可以更加舒适快乐的去生活。在众多的的计算机技术当中,关于遗传算法的研究和应用也是相当的火热的。随着经济的不断发展,遗传算法应用到了人们生活中的方方面面,有着举足轻重的作用。因此本文有必要对遗传算法做进一步的研究,希望能使遗传算法得到更加广泛的应用。早在上个世纪关于遗传算法的研究就已经出现了,但是对于遗传算法的研究至今还在进行,大部分都是针对遗传算法的改进方面的研究。因为在遗传算法中一直存在着这样一个矛盾,就是局部最优与收敛速度的矛盾。为了有效地解决遗传算法中收敛速度与局部最优解的矛盾,本文提出了一种改进的遗传算法,分别对遗传算法的选择算子,交叉算子以及变异算子进行了改进。本文的工作主要表现在以下几个方面：(1)首先概括介绍了遗传算法的工作原理以及遗传算法产生的生物学背景,接着介绍了遗传算法的简史,遗传算法的发展与现状以及遗传算法的研究意义。(2)简单介绍了遗传算法的基本概念以及遗传算法的主要步骤和参数控制,然后介绍了遗传算法的三大基本算子,即选择算子,交叉算子和变异算子。比较详细地说明了它们在遗传算法中的作用和相互的关系。(3)结合实验分析了选择算子的改进和交叉算子的改进对遗传算法的影响和作用,然后又对变异算子作了改进,再结合实验分析了这三种算子的改进对于遗传算法的影响和作用。对这三种基本遗传算子的改进使得遗传算法的效率提高了,能够在一定程度上解决遗传算法中收敛速度与局部最优解的矛盾。使用本文中改进的选择算子能够增加遗传算法收敛于全局最优解的概率,从而不容易陷入局部最优,也就增加了找到最优解的概率。使用文中改进的交叉算子可以加快遗传算法的收敛速度,从而缩短了寻找最优解的时间。使用文中改进的变异算子可以增强遗传算法跳出局部收敛的能力,同时在一定程度上对于遗传算法的收敛速度与最优解能够产生较大的影响。实验证明,这三种改进算子的结合能以较快的速度收敛于全局最优解,因此能够较好的解决遗传算法中收敛速度与局部最优解之间的矛盾。本文提出的改进遗传算法并不能完全解决遗传算法中收敛速度与局部最优解之间的矛盾,因此如何能够最大限度的提高遗传算法的效率问题以及如何最大限度的解决这样矛盾的问题,是我们今后研究遗传算法的感兴趣的地方。