许多仿真和应用结果表明遗传算法具有计算时间长、局部搜索能力弱等缺点。为改进其优化性能，人们从模式处理能力等方面分析了其寻优的机理，但仍存在不少的理论空白。本文针对当前理论上的空白，在模式处理能力、编码原则和局部搜索能力等方面对遗传算法的寻优机理进行了理论探讨。 隐并行性是遗传算法的重要特点之一，它说明遗传算法具有强模式处理能力。但隐并行性不能解释遗传算法弱局部搜索能力等问题。本文指出了隐并行性结论中的不足，并在其基础上讨论了遗传算法模式处理能力与模式阶数、定义距大小的关系。 虽然许多应用和仿真结果都表明遗传算法的局部搜索较弱，但是目前仍缺乏相关的理论证明。本文分析了遗传算法的局部搜索能力，给出了：①算法以一定概率找到最优值所需迭代次数的一个下界：②算法局部搜索能力较弱的一个充分条件。本文还指出许多连续可导函数在最优点附近可以局部近似为一次线性函数y=ax+b，而当采用二进制、十进制和实数等线性加权编码方式时，弱局部搜索能力现象在遗传算法对这些函数的寻优过程中是不可避免的。 编码是遗传算法应用中的首要问题。目前，关于采用何种编码策略仍然存在许多争议，还没有一套既严密又完整的编码方案设计指导理论及评价准则。本文主要讨论了两方面的问题：①指出了神经网络权值优化时，采用实数编码存在的问题，并给出了一种改进方法；②指出最佳码元数由群体规模、搜索空间大小共同决定。 煮糖过程中需要准确估计停止煮糖的时间，以节省能源，提高生产效率。但是，当前国内大多数糖厂都需要结合经验判断停止煮糖时间，不利于实现制糖的自动化。针对该问题，本文建立成糖时间的神经网络模型，根据几个可测量估计成糖时间，并用遗传算法优化该模型。仿真结果表明模型和优化方案可行。 另外，本文根据遗传算法处理低阶、短定义距模式能力较强的特点，试探性