分布式部分可观测马尔科夫模型(Decentralized partially observable Markov decision progress, DEC-POMDP)是研究不确定性情况下多主体协同决策的重要模型。由于其求解难度是NEXP-complete,所以迄今为止尚没有有效的算法能求出其最优解。但是存在一部分近似求解的算法可以解决规模较小的问题。针对此问题,在遗传算法的基础上,通过引入最佳起始状态和最佳收益状态提出改进的遗传算法(Improved Genetic Algorithms, IGA),算法将问题的求解分为两个步骤,首先求解从给定起始状态到最佳起始状态的近似最优策略,然后求解在最佳收益状态之间转换的策略。通过实验可以看出IGA压缩了要搜索的策略空间,减小了编码长度,是求解DEC-POMDP的有效算法。