摘要：遺傳算法是對生物進化論中自然選擇和遺傳學(xué)機理中生物進化過程的模擬來計算最優(yōu)解的方法。遺傳算法具有眾多的優(yōu)點，如魯棒性、并行性、自適應(yīng)性和快速收斂，可以應(yīng)用在圖像處理技術(shù)領(lǐng)域中圖像分割技術(shù)來確定分割閾值。圖像分割是圖像處理技術(shù)的研究對象之一，它對于圖像特征提取、圖像識別等圖像處理技術(shù)等有著重要意義。主要研究基于遺傳算法的圖像分割效果，采用Matlab 軟件進行仿真實驗，對不同圖像分割算法的效果進行比較。實驗表明，遺傳算法是處理圖像分割的優(yōu)秀算法，圖像分割效果相比于傳統(tǒng)的圖像分割算法效果更佳。

　　對遺傳算法的研究主要集中在算法的理論基礎(chǔ)，算法結(jié)構(gòu)，算法參數(shù)選擇，算法與其他算法的比較，算法的應(yīng)用等方面。

　　在算法的數(shù)學(xué)基礎(chǔ)研究方面，Holland的模式理論奠定了GA的數(shù)學(xué)基礎(chǔ)，進而Bertoni和Dorigo推廣了此研究。模式定理中模式適合度是難以計算和分析的，Bethke運用了walsh函數(shù)和模式轉(zhuǎn)換發(fā)展了有效的分析工具，Holland擴展了這種算.Goldberg首先運用．walsh模式轉(zhuǎn)換法設(shè)計出了最小GA一欺騙問題并進行了詳細分析。遺傳算法全局收斂性的分析已經(jīng)取得了突破，使用的主要數(shù)學(xué)工具是馬爾科夫鏈。Goldberg和Segrest首先使用了馬爾科夫鏈分析了遺傳算法，Eiben等用馬爾科夫鏈證明了保留最優(yōu)個體的GA的概率性全局收斂，Rudolph用齊次有限馬爾科夫鏈證明了帶有復(fù)制、交換、突變操作的標準遺傳算法收斂不到全局最優(yōu)解，不適合于靜態(tài)函數(shù)優(yōu)化問題，建議改變復(fù)制策略以達到全局收斂用。Back和Muhlenbein研究了達到全局最優(yōu)解的遺傳算法的時間復(fù)雜性問題。