遗传算法是一种有效的全局优化搜索算法,具有简单通用、鲁棒性强和可并行处理以及应用范围广等显著特点,在诸多人工智能计算领域获得了广泛的应用,同时取得了大量的研究成果。本文主要对遗传算法进行了学习与研究,在双种群遗传算法的基础上,提出了双种群混沌遗传算法和一种基于种群簇的多种群遗传算法。本文介绍了课题的研究背景以及遗传算法的搜索机制,并针对其早熟以及容易陷入局部最优等缺点,融合混沌机制,首先提出了双种群混沌遗传算法。混沌是看似随机无序,但却有着精致的内在结构,利用混沌随机性、遍历性和对初值敏感的特性初始化种群,使初始种群个体能够均匀的分布在解空间中,避免了由于初始种群完全随机产生而导致的搜索速度慢的弊端;利用混沌扰动变异的方法,使得算法更容易跳出局部最优解,增强算法获得全局最优解的能力。通过经典测试算例的实验,结果表明此算法在平均截止代数和在线性能两个评价指标方面都表现较优。在双种群混沌遗传算法的基础上,本文进一步提出种群簇和簇首等概念,最终总结提出一种基于种群簇的多种群遗传算法。每个种群簇由三个具有不同进化规律的种群构成,第一个种群重视局部搜索,第二个种群重视全局搜索,第三个种群为此种群簇的簇首,通过与前两个种群的移民机制来均衡算法的局部搜索和全局搜索能力,多个种群簇之间通过簇首实现簇间信息的交互。通过对经典的测试函数算例的测试,利用平均截止代数和在线性能这两个性能指标对此算法进行了评估,测试评估结果说明改进后的算法在算法的稳定性及搜索的速度上均有了稳步的提高。最后将本文提出的算法应用到无线电决策引擎的实际应用中,并取得了较好的应用效果。