1、連續(xù)型無約束全局優(yōu)化問題是優(yōu)化問題的一個重要分支，在自然科學(xué)、工程技術(shù)以及現(xiàn)代化管理的諸多領(lǐng)域中都有廣泛應(yīng)用，遺傳算法是結(jié)合模擬自然界生物進化與遺傳機制求解優(yōu)化問題的一種隨機性全局搜索方法。在研究中發(fā)現(xiàn)，單純依靠遺傳算法求解全局優(yōu)化問題的算法存在著早熟收斂和隨機漫游現(xiàn)象，而求解全局優(yōu)化問題的傳統(tǒng)算法卻有著良好的收斂性和局部搜索能力，混合遺傳算法就是充分融合了遺傳算法全局收斂性和傳統(tǒng)算法精度高、收斂快特點的新型算法。
　　 文章首

2、先對優(yōu)化問題的來源和發(fā)展進行介紹，而后對求解優(yōu)化問題的遺傳算法的主要因素、衡量標準、收斂性理論、研究現(xiàn)狀以及存在問題進行了詳細闡述。本文主要工作如下：
　　 第一，為了更好的解決遺傳算法在求解全局優(yōu)化問題時易陷入局部極小值點和收斂速度慢的問題，首先引入了平滑函數(shù)作為適應(yīng)度函數(shù)，利用目前已經(jīng)找到的最好點來消除比其差的所有局部極小值點，以此在迭代過程中大量減少局部極小值點的數(shù)量；其次設(shè)計了一個新的球面搜索技術(shù)，該技術(shù)可幫助平滑函數(shù)跳

3、出當前局部最優(yōu)點，找到新的下降區(qū)域；并設(shè)計了一個下降方向，利用該下降方向與線性搜索可以找到更好的解。結(jié)合這兩者設(shè)計了一種新型局部搜索方法，提高算法的局部尋優(yōu)能力，最后提出了一種求解連續(xù)型無約束全局優(yōu)化問題的新型混合遺傳算法(NHA)，證明了算法的全局收斂性，并且用測試函數(shù)的數(shù)值實驗驗證了新算法的有效性。
　　 第二，考慮到初始種群和遺傳算子對算法的影響，結(jié)合均勻設(shè)計的思想構(gòu)造了一個交叉算子，設(shè)計了一個可以平衡全局和局部搜索能力的