对遗传算法的研究有很多方面,一批学者在对遗传算法的基本构成-选择、交叉和变异等三个基本遗传算子和群体大小、终止代数及其相应算子概率等运行参数的研究后发现,算子及其参数环境对遗传算法在函数优化中的性能和结果是至关重要的,它们之间良好的运行策略能有效提高算法的性能,因而在应用遗传算法过程中选择合理的算子及参数的研究具有较大的现实价值。目前,对于选择合理的算子及参数研究存在参数建议太泛及建议参数各不相同等问题,分析其原因在于所选目标对象(函数)各不相同,而非通过函数类别进行研究。本文针对二元优化函数,利用共生矩阵所提取的适应度地貌特征对其进行聚类运算,进而根据聚类所得函数类别信息进行优化指导知识提取,最终用于指导优化计算,主要的研究内容包括：1)构建在聚类算法下函数的特征描述方式。本文在函数适应度地貌的基础上,引入图形图像中的纹理分析相关概念,提出了一种能有效描述二元函数的特征描述方法,并以此构建了以函数为目标的聚类算法。实验表明,该聚类算法能有效地对函数进行聚类,其运算结果不仅满足聚类层面有效性,也满足进化算法层面的有效性。2)搭建能灵活扩展的算法实验平台及以此构建算例事实库。本文利用大量的优化函数在复杂的算法实验平台下进行各种优化计算,并将其结果进行合理、有效地评价后保存,进而构建庞大的算例事实库。该事实库不仅用于函数聚类结果验证,也为后续基于函数类别信息的知识发掘提供必要数据。3)在上述两点内容的基础上,通过对结果数据的分析,最终获得了一系列函数种类和针对于函数种类的算法指导知识。实验表明,这些知识能有效地指导函数优化计算,极大的提高获取函数最优解速度、精度和减少计算代价。