以前对于兵力分配的研究，对于部队的作战能力基本都是考虑某个单位的平均作战能力。但在实际战斗中，每个人的战斗力是有强弱区别的，特别是中国和平发展了数十年，自越南自卫反击战后没有了大型战争的经历，兵员素质发生了很大的变化，对实战缺乏深刻的认识，因此在反恐作战中，特别是城市的反恐作战中，考虑到每个士兵的实际能力，合理的分配任务可以有效提高作战的成功率和降低伤亡率。本文主要考虑武警部队在支队（市）一级的反恐兵力分配。遗传算法是一类借鉴了自然界生物进化规律的随机搜索算法，它可以根据个体的目标函数来指导进化而不用过多的去考虑其他信息，非常适合用于大规模、非线性不连续的以及无解析表达式的函数优化，在实际中可以广泛的应用于调度问题、图像处理、自动控制、机器学习和人工智能等领域。但是标准的遗传算法也存在不具备全局收敛行，容易出现早熟和随机漫游等缺点，特别是对于多约束、多目标等问题不能进行较好的解决。自遗传算法提出到现在，算法已经得到了很大的改进，本文在研究前人工作的基础上结合实际问题对惩罚函数和约束条件的处理进行了改进。本文的主要工作是：1、改进了惩罚函数的引入方式。一般的，对于不符合约束条件的染色体，主要是在其适应度函数后减去惩罚函数，但是对于一类约束条件，每一个基因的表现型都与之相关联，将惩罚函数改进后与每个基因相关联，再进行适应度的计算，这样在进行交叉和变异操作时可以有较大的概率保留优良的基因。2、将约束条件与交叉算子、变异算子相结合。对于同染色体整体相关联的一类约束条件，通过改进的交叉算子和变异算子，主要是针对约束条件设计算子，可以保障最后得到的解全部是可行解。3、设计并实现了兵员力量资料数据库，兵力分配系统。该系统能够在给定出动人生和集结地点的条件下，结合数据库中兵员的数据，自动给出优化的出动方案，为指挥员决策提供参考意见。