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。J．Holland教授和它的研究小组围绕遗传算法进行研究的宗旨有两个：抽取和解释自然系统的自适应过程以及设计具有自然系统机理的人工系统。遗传算法的大致过程是这样的：将每个可能的解看作是群体中的一个个体或染色体，并将每个个体编码成字符串的形式，根据预定的目标函数对每个个体进行评价，即给出一个适应度值。开始时，总是随机的产生一些个体，根据这些个体的适应度利用遗传算子——选择(Selection)、交叉(Crossover)、变异(Mutation)对它们重新组合，得到一群新的个体。这一群新的个体由于继承了上一代的一些优良特性，明显优于上一代，以逐步向着更优解的方向进化。遗传算法主要的特点在于：简单、通用、鲁棒性强。经过二十多年的发展，遗传算法已经在很多领域得到成功的应用。 影响图是一种表示复杂决策分析问题中决策、不确定性和代价的新颖有效的图形工具，已被广泛应用于许多领域的决策分析和不确定性推理问题。单步影响图求解已得到有效的解决，但求解大规模多步影响图仍是一个比较活跃且具有一定难度的研究领域。本文主要针对大规模多步影响图决策问题，给出了一种基于遗传算法的可行有效的求解方法。该方法是一种近似算法且很容易并行，并具有能够发现多个较优解的优势。