在人工智能领域中，研究在搜索过程中自动获取和积累有关搜索空间的知识并自适应地控制搜索过程从而得到最优解的通用搜索一直是令人瞩目的课题。旅行商(TSP)问题是组合优化领域中的一个典型问题，虽然它陈述起来很简单，但求解却很困难，并且已经被证明是NP完全问题。遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法。在众多解决TSP问题的方法中，遗传算法有着其他方法不具备的很多优点，对于中小规模TSP问题，遗传算法可以得到最优解，对于大规模TSP问题，可以得到近似最优解。本文通过对遗传算法常见的各选择算子，交叉算子，变异算子进行比较，确定了以效果较好的锦标赛精英选择、部分映射交叉，移位变异和插入变异为基础的算子进行优化。针对锦标赛精英选择过于集中在少数优良个体的现象，提出了一种新的选择方法：差异双亲锦标赛精英选择法。针对于倒置变异和插入变异各自的优缺点，提出了一种新的变异方法：倒置-插入混合变异法。对已有的算法和改进的算法进行了比较，采用随机生成位置的城市，比较固定代数后算法解的好坏。实践证明，改进后的算法能够产生更好的解。此外，还得到另一个结论：相同城市数目的TSP问题，用同样的方法如果采用环型排列的城市能得到最优解，用随机排列的城市未必能得到最优解，所以环型城市TSP测试不具有通用性。本文测试工具为FLASH，全部代码由Action Script2.0语言编写。