遗传算法(GeneticAlgorithms，GA)是一种借鉴生物界自然选择和自然遗传机制的随机优化搜索算法。由于它简单易行，尤其是其不需要专门的领域知识而仅用适应度函数作为问题的评价来指导搜索过程，能够有效地求解NP完全问题，从而使它的应用范围极为广泛，并且已在众多领域得到了实际应用，取得了许多令人瞩目的成果，引起了广大学者和工程人员的关注。 布尔函数在数字逻辑电路的分析与综合、多值逻辑、数字系统故障检测、纠错编码、计算机密码学等领域中有着广泛的应用背景。在实际工作中，布尔方程组的求解，传统算法本质上都是基于穷尽解空间来求解的，是具有NP难度的问题。对于较大维数的方程组求解问题，利用现有的计算条件，在工程实现上往往无法实现。 本文将遗传算法应用到求解线性布尔方程组的问题中，给出了一种关于较大规模布尔方程组的可行解法；并且针对基本遗传算法存在的缺陷，提出了关于背景知识的多项改进策略，并通过实验，得到了较好的求解效果；对利用混合遗传算法求解线性布尔方程组的适应性及收敛性问题进行了讨论。 本文主要从以下几个方面对遗传算法在布尔函数中的应用进行了阐述。 一、绪论部分，描述了遗传算法的生物学特征，算法特点，发展和研究现状，指出本课题研究的目的和意义。 二、遗传算法的概念、构成要素、方法、步骤以及理论基础。 三、将基本遗传算法应用于求解线性布尔方程组问题中，与传统求解方法相比，取得了较好的求解成功率。 四、针对遗传算法易早熟、局部搜索能力较差、收敛速度慢等特点，提出了若干改进策略：将种群概念细分；引入局部搜索策略；引入小生境技术等。通过大量实验，获得了使求解线性布尔方程组问题有较高成功率及较快收敛速度的混合遗传算法。 五、对遗传算法求解布尔方程组的适用性及邻域解的存在性问题进行了初步的讨论。提出了利用方程系数向量的重量提取出方程，再通过混合遗传算法求解一般类型布尔函数的思路。