本文提出采用遗传算法对证券组合投资模型进行计算，得到了满足特定投资者的最优投资组合，并在研究过程中对组合投资模型进行了改进，同时也改进了遗传算法，使其能适应本文的模型。 由于证券投资组合的挑选是一项复杂的系统工程，在挑选之前要对历史数据进行充分的分析，因此本文首先对初步挑选的证券进行价格预测，研究投资时机是否适合，以及挑选的证券是否适合。本文通过比较分析后，采用RBF神经网络模型对证券价格进行了预测，并在这个基础上得到了适用于组合的证券。 在得到所需的证券之后，计算其期望收益及方差，并进一步调整欲组合的证券。随后构造了适合实际市场情况的证券组合模型，并计算具体的组合。 由于采用传统的数学方法解决本文问题存在一定难度，因此通过研究考虑采用遗传算法来进行计算，并在计算过程中针对遗传算法存在的缺陷进行了改进，采用自适应遗传算法来实现计算目标。 在得到有效解后，本文提出采用两种方法来获取最优解：第一种方法是采用特定投资者的无差异曲线与有效边界相切的方法得到最优解；第二种方法是采用安全第一方法来获得最优解。 通过以上两种方法得到的最优解只是满足特定投资者投资偏好的最优解的收益率及风险率，而具体的组合方案还需进行进一步的解决。本文首先通过修改模型，使模型适应实际情况，再用针对该模型的约束遗传算法进行求解。 通过以上求解，得到满足投资者偏好的最优证券投资组合，这个组合实现了在预期收益最大化和收益率不确定性(风险)的最小化之间的某种平衡，而这个平衡点就是投资者所需要的，最符合其投资要求的一种方案。