本文介绍了遗传算法的基本概念、理论基础及遗传算法在实际应用中需要解决的一些问题,并进一步讨论了遗传算法的改进,提高了遗传算法的性能。在此基础上本文提出了多目标定位的模型,用遗传算法解决了多目标定位技术中一般算法复杂度为指数的问题,并给出了一个完整的多目标定位算法,包括空间数据的编码与祖先群体的生成、个体适应度的评价、个体的选择、交叉与变异等步骤。在应用遗传算法解决多目标定位问题的过程中,发现了遗传算法的某些不足。首先是遗传算法在处理问题时,有进会出现未成熟收敛或随机漫游现象.,除此以外,简单遗传算法还有一个致命的缺陷,就是可能不具有全局收敛性,也就是不能保证进化收敛于全局最优。这些局限性,大大阻碍了遗传算法的广泛应用。为了利用遗传算法的优势解决问题,本文对多目标定位技术的遗传算法了做了一些改进。例如针对简单遗传算法不能保证全局收敛的问题提出了改进的最佳保留策略机制,在交叉运算时用两点交叉法代替了单点交叉,在变异运算时针对不同进化阶段而使用了不同的变异率,这些改进都在某些方面提高了算法的性能。最后本文把遗传算法改进前后的运算结果进行了比较,表明改进的遗传算法在解决多目标定位问题中的性能有了一定的提高。能得到较为满意的解。本文算法用Visual C++ 实现。