本文通过将遗传算法与滤子技术相结合提出了两种求解约束优化问题的新方法,并将所提出的算法用于一类批量问题的求解。在文章的第一种滤子遗传算法中,利用滤子的过滤性代替适应度函数来判定个体的优劣,可以保证子代的优化性和进化的顺利进行,也避免了使用罚函数作为适应度函数需要选择罚参数的问题和由此引起的计算不稳定问题。文章在理论上证明了算法的收敛性,数值结果也说明算法是有效的。在第二种改进的滤子遗传算法中,滤子的过滤作用被加强。在迭代的过程中,当滤子集的大小达到一定规模后,子代的选取将在滤子集中进行,用滤子良好的过滤性加快了遗传进化的速度。文章同样讨论了改进后算法的收敛性,并且数值结果也说明了改进的算法是有效的。在本文的最后,提出了一个有三个供应商的经济批量模型,证明了模型的性质,并用滤子遗传算法对一类简单的经济批量问题进行了数值模拟,为本算法的进一步研究提供了参考。