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。
