混沌遗传算法是一种基于遗传算法和混沌算法的混合算法,不仅具有遗传算法的并行性、整体优化性的优点,还具有混沌算法的遍历性、初始值敏感性、可预测性、结构内部有序性的优点。对于有限解集问题,混沌遗传算法能够将每个解遍历到;对于无限解集问题,混沌遗传算法能够按照问题的求解方向逐步向最优解靠近。本文首先介绍了遗传算法和混沌理论的基本概念,分析了遗传算法存在的缺点和混沌理论的重要特性;重点研究了基于混沌理论的选择策略、规律性交叉操作、规律性变异操作的混沌遗传算法,并改进了控制参数、初始群体和终止条件;再次,通过离散化的二维背包问题和连续化的Goldstein_Price函数的数据仿真实验测试混沌遗传算法的性能,并与遗传算法、一般混沌算法的性能进行比较,结果表明,混沌遗传算法优于遗传算法和一般混沌算法;最后,在无压缩灰度图像和压缩真彩色图像匹配中,实现了传统无差异图像和有差异图像的匹配。实验结果表明,本文的混沌遗传算法每代群体最优解都是在逐步向全局最优解逼近的,比遗传算法和一般混沌算法的数值稳定性高、求解精度高、收敛速度快。由于其避免了随机性的影响,使得研究者能够跟踪整个搜索过程,发现问题,研究问题,为遗传算法的进一步普及应用做了有益的探索。