遗传算法是一种模拟自然界生物进化的搜索算法，由于它简单易行、鲁棒性强，尤其是不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程，从而使它的应用范围极为广泛，并且已在众多领域得到了实际应用，取得了令人瞩目的成果，引起了广大学者和工程人员的关注。 遗传算法是一种新兴的技术，正处于发展期。虽然在应用领域获得了丰收，但其理论基础还较薄弱，有许多地方需要研究和发展充实。 本文对遗传算法的理论与应用进行了一些研究和分析工作。首先介绍了遗传算法的理论和它在组合优化问题中的应用，然后针对基于遗传算法的TSP问题求解，在原有遗传算法的基础上提出了一种改进的混合遗传算法。该算法在迭代初期引入不适应度函数作为评价标准，结合启发式交叉和边重组交叉算子设计了一种新的交叉算子，采用了模式变异和启发式变异相结合的混合变异算子，并对变异后个体进行免疫操作。数值实验表明，该算法是有效的。最后，为克服遗传算法计算量大的问题，基于遗传算法的并行特性，实现了一种主从式并行混合遗传算法，实验数值结果证明了该算法的可行性和有效性。