本文分析进化计算的遗传漂移现象，研究遗传漂移的抑制方法和进化算法的加速技术。 建立了选择算子的马尔可夫链模型，通过吸收态和吸收概率分析，证明了随机选择导致遗传漂移和早熟收敛的必然性；通过漂移速度和种群多样度研究，解析地分析了多种选择算法的漂移强度、漂移动态特征和漂移可控性。通过实验比较和分析了多种随机采样算法的采样噪声对遗传漂移和搜索性能的影响。 将常用的交叉和重组技术广义化为多父代对角交叉和扫描交叉算子，解析地分析了广义交叉算子的遗传漂移现象。应用数理统计和等位基因频率分析法，严格证明了对角交叉和均匀扫描交叉不会引起遗传漂移，但基于基因频率的扫描交叉导致遗传漂移，其漂移速度随重组规模的增加而增加。实验数据表明，重组的遗传漂移只会产生降低收敛速度和收敛可靠性的纯消极效果。 系统地归纳了当前的小生态技术，比较了代表性小生态算法的技术特点，介绍了描述多峰函数搜索空间结构的等价类模型。分析了确定性排挤的遗传漂移现象和原因，应用等价类模型和期望比例方法解析地证明并通过实验验证了概率排挤技术的类维持能力。针对确定性排挤和概率排挤小生态技术的优、缺点，提出了聚类概率排挤小生态遗传算法。聚类概率排挤算法通过扩大相似个体的搜索范围提高相似性判断的准确性，应用山谷函数分析适应值曲面拓扑结构来确定个体的类属性关系，并根据个体的类属性关系和相对适应值大小确定替换策略。 提出了测度小生态进化算法综合性能的有效类数量、平均峰值比和全局最优解比等性能准则。有效类数量测度类维持能力，平均峰值比测度并行局部收敛速度，全局最优解比测度全局收敛速度。对共享、确定性排挤、概率排挤和聚类概率排挤小生态算法的遗传漂移抑制能力进行了广泛的统计测试，测试结果表明，聚类概率排挤小生态算法的各项性能指标均一致地、显著地优于其它小生态算法。 研究了提高进化算法并行局部收敛速度和全局收敛可靠性的技术方法，提出了基于聚类并行局部搜索的混合小生态进化算法HNE。HNE以聚类概率排挤小生态遗传算法为框架结构，采用实数编码、适应性Gaussian变异和离散重组技术，并引入聚类并行局部搜索算子PLS。PLS算子通过聚类分析将种群分割为互不相交的邻域子种群，对每一个子种群应用单纯形法进行并行局部搜索。 分析、实验和广泛的比较结果表明，对于多峰优化问题，HNE收敛速度快、全局收敛可靠性高，抑制遗传漂移的能力强，能够在单个种群中并行地搜索并维持多个高质量的全局(或局部)最优解，且无需目标问题先验知识、计算成本低，是一类鲁棒的自适应的全局和并行局部优化技术。 本文最后还提出了进一步改进HNE和推广HNE应用领域的未来研究方向。