Markowitz作为组合证券投资理论的奠基人,提出的组合证券投资模型得到了广泛的关注和应用,但由于该模型是建立在一系列严格假设基础之上的,如市场无摩擦、股票可以任意拆分等,因此其实际有效性和应用范围均受到了很大的限制。近年来国内外的众多学者都对这一理论进行了深入的研究和探讨,提出了不少改进和完善的方法,如加入交易成本、整手买卖的要求等,然而由于模型求解的复杂性,很多学者为了降低难度,往往简化交易成本的核算,从而导致模型的交易成本度量并不准确,未能真正反映证券市场的实际情况,不能给投资者提供足够的参考。因此,本文在考虑整手交易的基础上,精确核算证券交易过程中的各项费用,建立了一个更加符合我国证券市场实际的组合投资模型,弥补了以往模型简化交易费用的不足,使得组合投资模型更加贴近我国的实际。其次,在求解组合投资模型时,大部分学者都把遗传算法作为最主要的手段加以研究和应用。遗传算法作为一种能有效求解复杂优化问题的全局搜索算法,具有简单易行、收敛速度快等特点,但是在实际应用中往往又存在着很多不尽如人意的问题,如容易产生早熟现象、局部搜索能力差等。因此考虑搜索能力更强、收敛更快的算法,是求解模型所面临的一个重要问题。从以往的研究中可知,常用的梯度法、爬山法、模拟退火等算法均具有较强的局部搜索能力,因此本文利用退火遗传算法结合动态罚函数来求解所建立的投资模型,将模拟退火的思想融入到惩罚函数的选取中,对惩罚因子加以改进,从而提高算法的效率。最后,用投资实例验证了混合遗传算法求解组合证券投资模型的有效性。实验结果表明本文算法不仅具有较强的搜索能力,而且避免了早熟现象的发生,相比于传统的遗传算法具有更高的求解精度和更快的收敛速度,可以为投资者提供更好的决策参考。