本文以求解固定费用运输问题的遗传算法为研究对象,分析遗传算法的种群退化现象,研究种群退化的条件及其抑制技术。证明了基于矩阵编码的遗传算法(GA-M:Genetic Algorithm with Matrix Code)的重组算子导致种群退化,并从编码方式、运输网络各节点的供给和需求能力及整体运输成本三个方面来判断种群退化的算法,这些算法的时间复杂度皆为多项式时间的高效算法。并且从运输网络节点的供给和需求能力及整体运输成本两个方面证明了GA-M算法的变异算子不能抑制种群退化。提出了抑制由算法(SM-GA-M:Suppressing Method for GA-M),严格证明了在不增加算法的时间复杂度的条件下,SM-GA-M能够抑制GA-M算法所引发的种群退化现象,试验结果表明SM-GA算法的求解能力和抑制能力显著高于GA-M算法。分析了基于边集编码的遗传局部搜索算法(GLSA:Genetic Local Search Algorithm)和有序边集算法(GA-ES:GA with Edge Set),证明了GLSA和GA-ES的基于子树补充式单点交叉算子引发完全种群退化现象,并解析地给出了种群退化的发生概率,该概率正比于生成树的叶子节点数。提出了抑制生成树的叶子节点的算法(SM-GLSA:Suppressing Method for GLSA),从理论和实验两方面证明了SM-GLSA在抑制种群退化现象的显著优势。为解决SM-GA-M和SM-GLSA在求解能力与抑制能力专一性。引入了免疫遗传算法(IGA:Immune GA)作为种群退化的通用抑制技术。实验表明IGA的抑制能力在大规模问题中具有显著性能,尽管IGA在抑制中小型问题的退化能力不明显,但其应用范围大大拓展。本文最后还提出了进一步改进种群退化抑制技术和推广该技术应用领域的未来研究方向。