遗传算法(Genetic Algorithm,简称GA)是一种模仿生物自然进化过程的随机搜索和优化算法,其优势在于简单易行、鲁棒性强、全局优化性强和易操作,目前被广泛用于函数优化、机器学习、模式识别以及自适应控制系统等众多领域。但遗传算法也存在收敛速度慢、易早熟、局部搜索能力差等缺点,为了尽量克服这些缺点,将遗传算法用于块截断编码图像信息隐藏中解决提高压缩率、加快收敛速度等问题,在对遗传算法进行深入分析的基础上,本文做了如下研究工作:本文介绍了遗传算法的研究现状。研究了遗传算法各组成要素的具体策略。采用了适合于块截断编码图像信息隐藏的遗传算法方案(BTCIIHGA),该方案包括遗传算法引导搜索的主要依据就是个体的适应度值,适应度函数的选取直接影响到遗传算法的搜索性能,采用基于人眼视觉的适应度函数,并对运行结果进行了详细分析,结果表明基于人眼视觉的适应度函数收敛速度快、搜索能力好。应用复制三基色位图的方式初始化原始种群,采用均匀排序选择算法来促进种群进化。利用神经网络中的构造神经元激活函数Sigmoid函数,该函数在线性和非线性之间显现出较好的平衡,交叉率、变异率按照个体适应度在平均适应度和最大适应度之间随Sigmoid函数非线性调整,因此采用自适应交叉变异的方式有效的防止算法停滞不前,摆脱局部收敛,提高了算法的鲁棒性。在前面研究基础上,采用在遗传算法后期加入进化逆转操作进一步优化种群得到通用位图,从而改善遗传算法局部搜索能力。本文利用MATLAB软件进行仿真试验,并对实验数据进行了分析、处理,对实验产生的误差进行了讨论。这虽然只是利用遗传算法来提高块截断编码图像信息隐藏压缩率的一个理论探讨,但它对实际信息隐藏有着重要的指导意义。