针对传统遗传算法在函数优化问题中的不足，提出构建一种矩阵结构种群的遗传算法MGA（Matrix Structure Genetic Algorithm）。MGA采用矩阵形式的数据结构，借助于矩阵的行、列及主对角线等概念描述种群，并在此结构上对选择、交叉和变异三种算子均进行改进。选择算子是通过逐行寻优构建父代精英种群，具体操作是每行最优个体移动到所在行的主对角线位置；交叉算子采用父代精英种群中任意两个个体 A(i,i)和 A(j,j)交叉产生两个子代个体 A(i,j)和 A(j,i)，并分别置于关于主对角线对称的位置(i,j)和(j,i)；变异算子是对种群全体逐一进行克隆变异，若克隆变异结果优于原个体则选择克隆变异结果，否则不变。经过上述三步的若干次循环迭代，最终以矩阵种群中的最优个体为问题的最优解。通过对若干函数优化问题的实验测试表明，该方法收敛速度很快，全局收敛性能显著提高，可以推广到其它演化算法。

特点：1）不考虑变异率，交叉率；2）不考虑适度值函数的变化（比如：轮盘赌选择需要适度值非负等）；3）若使用精英选择需要排序，该结构只需要选择，复杂度从O(n*n)降为O(n)；4）整个种群是单调有序演化的，即上一代的最优一定不弱于下一代。...

发表于计算机技术与发展，2022，32（9）.