遗传算法是一种模拟自然界生物进化的智能优化算法，由于它简单易行、鲁棒性强，尤其是不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程，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，引起了广大学者和工程人员的关注。目前，遗传算法已成为进化计算研究的一个重要分支。遗传算法是一种新兴的技术，正处于发展期。虽然在应用领域获得了丰收，但其理论基础还比较薄弱，有许多地方需要研究和发展充实。论文的主要工作分如下三部分：(1)对标准遗传算法的发展概况、基本概念、基本原理、理论基础、收敛性、特点及其应用等方面作了简明扼要的介绍，并对遗传算法的实现技术作了较详细地总结。(2)介绍了TSP问题的数学模型及其求解的传统方法和智能优化方法，并针对基于遗传算法的TSP问题求解给出了具体分析和说明，为利用遗传算法求解TSP问题做了准备。(3)在标准遗传算法的基础上，结合模拟退火算法，提出了遗传退火进化算法；结合分区方法和2_opt方法，提出了解决较大规模TSP问题的基于分区的混合遗传算法；结合混沌优化，提出了解决函数优化的基于混沌优化的遗传算法，并将这三种算法用MATLAB语言进行仿真实验，与传统算法进行比较表明，论文所给的三种算法在计算精度和计算速度上都是有效的。