研究能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应的控制搜索过程，从而得到最优解或近似最优解的通用搜索算法一直是令人瞩目的课题。遗传算法就是这种特别有效的算法。 遗传算法(Genetic Algorithm——GA)，是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的。遗传算法主要的特点在于：简单、通用、鲁棒性强。经过三十多年的发展，遗传算法已经在旅行商问题、生产调度、函数优化、机器学习等领域得到成功的应用。 本文研究内容包括两个方面：一个是基于基因库和多重搜索策略求解TSP的遗传算法，算法将已有的“基因库”的思想和多重搜索策略结合起来，对交叉算子进行改造，并就几个典型的TSP问题进行了测试。另一个是小生境自适应混合遗传算法，该算法引入小生境技术，提出了两个多样性评价指标，并结合自适应技术和模拟退火算法的思想对遗传算法进行改进，最后就TSP问题进行了重复对比测试，表明该算法在一定程度上能避免早熟现象，改善算法的局部搜索能力。