将遗传算法应用于动态环境中是现在进化算法领域的研究热点。在现实世界的工程应用中，几乎大部分情况都属于动态优化问题或者更为复杂的优化问题，很多因素都会随着时间而发生变化。例如在实际工程中新的产品，零部件或者材料可能会随时到达，工程生产中原材料的质量、设计要求也可能随时变化等等。但是当前进化算法的研究大多数将对象近似为静态问题处理，为了解决这些复杂的动态优化问题，需要有一类行而有效地处理动态问题的启发式优化算法。为了提高遗传算法的实际应用价值，需要研究在动态环境下遗传算法性能变化特征，并在算法性能特征变化的基础上，探测动态环境变化特征和预测环境变化特征，改进自适应算法使算法能在动态环境下准确且及时的调整。　　本文是关于动态环境下基于环境探测的遗传算法的研究。首先，以构建动态环境模型出发，选用遗传算法做为工具分析动态优化模型，详细的分析动态环境对遗传算法性能的影响，构建动态环境模型仿真实验，并获取各个算法性能参数值来比较。所有以上工作总结出两个重要的结论：环境变化会影响算法性能发生变化；定量分析算法多样性和收敛性的变化特征能够探测出动态环境的变化特征。其次，从动态环境下遗传算法性能变化特征的角度，定量分析动态环境的变化特征，并利用人工神经网络预测动态环境的特征变化。引入算法性能确认模块和环境探测模块，性能确认模块由种群适应值均值和种群多样性组成，反映算法性能变化特征；环境探测模块对环境探测分为两个阶段，首先判断环境是否为动态环境，其次研究动态环境变化的情况，分析动态环境的变化特征，模块包括周期探测和强度探测。结合已探测到的数据用人工神经网络进行分析和处理，建立一个变化趋势的模型。最后，当环境探测模块探测到环境变化后，以环境探测模块的变化参数作为判断依据，同时运用调整策略调整遗传算法的参数，使遗传算法在探测出动态环境的变化后做出及时准确的自适应调整。　　综合上述本文的研究主要在两个方面做出了创新：首先，选用遗传算法对动态环境进行探测，在对算法性能分析的基础上提出性能确定模块和环境探测模块，选用人工神经网络对环境探测模块探测到的环境特征做预测分析和讨论；其次，以环境探测模块参数为依据，改进自适应算法，引入自适应调整策略提高算法在动态环境下寻优能力。