为了克服标准遗传算法(SGA)收敛速度较慢,且局部搜索能力不强的缺点,本文将经典优化算法与遗传算法进行结合,构造新的混合遗传算法。通过引入经典优化中局部搜索能力较强的充分下降条件、Wolfe条件、Goldstein条件确定步长,而搜索方向采用共轭梯度方向进行局部搜索,由此得到一类高效的非精确的混合遗传算法。并对算法进行收敛性分析,得到算法的收敛性。为了克服黄金分割搜索方法在解决多峰优化问题中的局限性,根据其在单峰优化问题中的优异表现,受到一维的黄金分割的思想的启发,结合文献[27][28][29]中将二维黄金分割算法的形式推广到三维,再将三维的形式推广到高维,从而得到一种数值结果很好的变形的黄金分割混合遗传算法。通过对基准函数的测试,将几种算法的数值结果进行比较,得出新的混合遗传算法的数值效果优于其它的算法。针对带有约束条件的优化问题,结合筛选法的混合遗传算法,采用筛选法来处理约束条件,得到既不同于罚函数处理,又不同于多目标规划的新的混合遗传算法。