我国证券市场自20世纪90年代出现以来发展迅速，规模不断扩大，但是各方面还不够完善，市场的风险较大。在这样一个不完善、风险高的市场中要想获得投资收益，需要借助一个强有力的工具——投资组合。目前，众多投资组合的数学模型已经成功的应用于证券市场的投资研究中，并已发挥了巨大的指导作用。投资组合模型应用的重点在于准确的求解模型，然而介于客观市场的多变性、难于预测性以及非线性性，传统的优化搜索算法很难对其进行有效求解。近年来随着遗传算法的快速发展，它已经被广泛应用到投资组合问题的求解中。　　本文从经典模型出发，以不同的风险度量标准分别介绍了均值—方差模型、均值—下半方差模型以及利用了更前沿的金融风险度量方法的均值—VaR模型。进一步，本文根据中国国情，在上述模型的基础上加入不允许卖空、最小交易单位等限制条件进行改进以得到符合中国市场实际情况的数学模型。　　在模型的求解方法上，本文介绍了传统遗传算法和自适应遗传算法的基本概念和过程，并设计了求解上述三种模型的两种遗传算法。然后结合我国证券市场中的实际股票数据进行了实证研究，给出了各个模型的一组近似最优解，证明了所建立模型以及选择的算法的有效性。　　最后，对传统遗传算法和自适应遗传算法在收敛的稳定性和收敛速度方面做了比较，得出自适应遗传算法在投资组合的应用要优于传统遗传算法。这些都为投资者在实际的投资组合选择中提供参考依据，具有积极的理论意义和现实意义。