本文主要的研究内容是应用遗传算法结合人工神经网络对药物的有效成分进行无损定量分析,分别对三种配方的粉末药品应用长波近红外光谱和短波近红外谱进行了定量分析。同时也讨论了谱图预处理方法,波长选择方法和遗传算法人工神经网络的相关参数选择对模型预报结果的影响。本文的创新点是将遗传算法与人工神经网络结合应用于药品定量分析,同时为了提高算法的效率和性能,对现有遗传算法进行了相关的改进。改进的遗传算法每次都选择相同数量的变量,可以有效的减少选择变量的个数,这样就有效的减少了建模的时间。改进的遗传算法也可以有效的去除那些重复、多余或不相关的变量,更能够选择固定数量的变量,这使得验证函数的结构相同,增加了模型的收敛性。本文研究表明,近红外光谱使用改进的遗传算法结合人工神经网络建模,能够对药品的含量进行准确的定量分析预报,并且优于其它方法。这说明这种建模方法具有处理复杂非线性信息的强大能力。因此改进的遗传算法结合人工神经网络在药物分析中具有广阔的前景和应用价值。