遗传算法是模拟自然界生物进化过程的随机化搜索算法，其主要特点是采取群体搜索策略和在群体中个体之间进行信息交换，具有很多优良性质和使用价值，然而存在对信息利用不足，求解易于过早收敛的缺点。蚁群算法是一种随机搜索算法，与其它模拟进化优化算法一样，通过由候选解组成的群体的进化过程来寻求最优解，它比遗传算法具有更好的适应性，但算法的初期信息不足，求解速度较慢。本文分别论述了两种算法的原理、模型和应用之后，提出了一种新的直观的可用于连续性空间(一般函数)优化的“遗传—蚁群”混合算法模型，该模型强调处理优化问题时把遗传算法与蚁群算法结合，对实际问题先用遗传算法进行初步求解，然后在此基础上运用蚁群算法求最优解。该新算法汲取了两种算法的优点，克服了各自的缺陷，实现了优势互补。该“遗传—蚁群”混合算法被成功应用于水量预测和水量调度问题的求解中，实践表明这种算法确实综合了遗传算法和蚁群算法的优点，特别强化了求优化解的微调过程，有一定的实用价值。文章最后对“遗传—蚁群”混合算法的收敛性进行了初步分析。