组合化学可以采用平行合成方法快速制备出材料试样库,是材料组成、性能筛选和优化的高效方法。遗传算法是一种全局随机优化算法,可以有效地避免局部优化,并能够快速地寻找到全局最优解。本文旨在基于组合化学实验技术与遗传算法相结合,以期在材料组成、性能预测方面实现快速筛选。利用Matlab软件对发光材料组合试样库的数据进行优化处理,得到一个比较直观的、动态可视化图形,同时在数据处理过程中,实现了从离散有限数据到全部允许范围内所有固溶状态的全息数据库的构建,使得分析过程变得比较简单。用Matlab表征了试样库组成与发射光谱波长、带宽、光谱分峰中蓝光与绿光相对强度和相对带宽的关系。采用1stopt软件对发光材料组合试样库数据的拟合处理,实现了对材料发光效率和光谱特性的优化和预测,得到了发光材料组分和材料发光强度之间的函数关系。在组分约束条件下,利用发光材料组合试样库的数据拟合得到的目标函数,建立了发光强度优化模型,并通过遗传算法对发光强度优化模型进行优化计算,得到最优发光材料的原材料组分Ca4.95(1-x-y)Sr4.95xBa4.95yEu0.05(PO4)3Cl,其中x≈0.325,y≈0.53,及对应的发光强度。采用测试函数对遗传算法的性能进行评价,并将遗传算法的优化结果与传统的求导法的优化结果进行比较,发现遗传算法的优化效果理想且能够快速地找到满足条件的最优解。