遗传算法是一类模仿生物进化过程的优化方法。近年来不仅在理论上形成了一套较为完善的算法体系,并且它的应用范围也得到较大的发展。同时遗传算法在不断的被改进,有些改进方法用于处理“早熟现象”等方面。本文以这些改进方法为研究基础,提出自己的创新点。本文做了以下工作:1、提出一种新的交叉概率和变异概率的自适应迭代公式。以当前代的交叉概率替换交叉概率自适应迭代公式中的预先设定的第一代交叉概率,建立新的迭代公式,对于变异概率公式可以同样获得。新的自适应迭代公式搜索全局最优解的效率提高了。2、以往建立的随进化代数自适应调整的非线性适应度函数中,存在一个估计的最大代数,本文以当前代数替换它,建立一种新的随进化代数自适应调整的非线性适应度函数。改进的遗传算法提高遗传算法的运行效率。3、用本文改进的遗传算法对支持向量机及其所取混合和函数的参数优化,建立了基于改进遗传算法的取混合核函数的支持向量机参数优化方法,并将该方法应用到软件工作量预评估当中,找到的实际值更加接近于精确值。