遗传算法是基于自然选择的一种鲁棒性很强的解决问题方法。遗传算法已经成功地应用于许多难优化问题，现已成为寻求满意解的最佳工具之一。然而，较慢的运行速度也制约了其在一些实时性要求较高场合的应用。利用硬件实现遗传算法能够充分发挥硬件的并行性和流水线的特点，从而在很大程度上提高算法的运行速度。 本文对遗传算法进行了理论介绍和分析，结合硬件自身的特点，选用了适合硬件化的遗传算子，设计了标准遗传算法硬件框架；为了进一步利用硬件自身的并行特性，同时提高算法的综合性能，本文还对现有的一些遗传算法的并行模型进行了研究，讨论了其各自的优缺点及研究现状，并在此基础上提出一种适合硬件实现的粗粒度并行遗传算法。 我们构建的基于FPGA构架的标准遗传算法硬件框架，包括初始化群体、适应度计算、选择、交叉、变异、群体存储和控制等功能模块。文中详细分析了各模块的功能和端口连接，并利用硬件描述语言编写源代码实现各模块功能。经过功能仿真、综合、布局布线、时序仿真和下载等一系列步骤，实现在Altera的Cyclone系列FPGA上。并且用它尝试解决一些函数的优化问题，给出了实验结果。这些硬件模块可以被进一步综合映射到ASIC或做成IP核方便其他研究者调用。 最后，本文对硬件遗传算法及其在函数优化中的一些尚待解决的问题进行了讨论，并对本课题未来的研究进行了展望。