遗传算法是一种新兴的求解优化问题的全局优化概率搜索算法，它是根据达尔文的生物进化论、孟德尔的遗传学以及摩尔根的基因学说，对自然界中遗传和变异现象的模拟．遗传算法的思想最早由Holland教授在二十世纪60年代提出，经过40多年的发展，它的理论体系已相对完善． 函数优化是遗传算法的经典应用领域，常用于评价遗传算法的性能．遗传算法具有较强的鲁棒性，可以解决多领域的实际问题． 基本遗传算法在求解优化问题时容易出现“早熟”现象，其主要原因是群体中基因多样性的缺失，而且基本遗传算法通常只能找到一个最优解． 隔离小生境遗传算法是引入生物界中的地理隔离概念所产生的对基本遗传算法的改进算法，它可以有效地抑制“早熟”，以其独有的特性被广泛应用于众多领域，对工程领域中存在的大量的复杂函数的优化问题具有重要的应用价值． 基于隔离小生境遗传算法，我们提出分区域隔离思想以及种群密度的概念，给出分区域隔离技术以及分区域隔离小生境遗传算法．该算法实现了遗传算法操作技术的突破，具有很强的收敛性．对可行解“区域”形成具有“地理隔离”意义的小生境，保证了群体的多样性，抑制了“早熟”，保证得到更多的最优解及解的质量．父代不参与子代的竞争，可以有效避免近亲繁殖，保证群体的多样性，抑制“早熟”． 本文将分区域隔离小生境遗传算法应用到多峰函数优化问题上，对许多多峰函数进行仿真实验，结果表明：采用了分区域隔离技术的小生境遗传算法不仅能保证群体的多样性，有效抑制“早熟”，而且搜索速度以及收敛速度有很大的提高，最优解也具有更高的精度． 分区域隔离小生境遗传算法特别适合求解低维函数优化问题．