遗传算法是一种以达尔文的自然进化论和孟德尔的遗传变异理论为基础的全局随机搜索优化算法。它的主要特点是简单、通用、ROBUST特性好、适用于并行分布处理。GA的应用范围非常广泛，如机器学习、音乐作曲、工业控制、图像的恢复和识别等。尤其对于高度复杂的非线性问题，包括NP完全问题，当利用其它方法难以解决时，采用GA求解却异常方便。 本文从遗传算法的基础理论入手，对编码、适应度函数、选择、交叉变异等各个理论要点进行了深入的探讨。结合多行机器布局问题，提出了一种适应该问题性质的编码方式，及针对该种编码方式的变异准则。这种方法克服了基于标准编码方式和标准交叉变异规则所造成的算法运行效率低下且容易收敛于局部极值等问题。仿真结果证明该种方法能够较好地解决实际生产中的机器布局问题。