进化计算是基于模拟自然进化思想而发展起来的一类随机搜索技术,它从生物底层对智能行为进行模拟和研究,拓展了传统的搜索方法,为复杂问题的求解提供了新的途径.进化计算主要包括遗传算法(GA)、进化规划(EP)和进化策略(ES)等方法,这些方法在科学研究和工程技术的应用越来越广泛.该文将标准遗传算法、进化规划和进化策略同时用于对测试函数优化,发现不同的进化算法甚至是同一种算法在设置不同的控制参数时,算法的执行时间及解决不同优化问题的能力明显不同,鉴于此该文提出了一种对进化算法优化效率进行定量评价的方法,实验评价结果与理论分析完全吻合,证实了所提出评价准则的科学性、合理性.总结了国内外现有的有关形状误差评定的各种方法;针对形状误差评定的特点,提出了一种能够实现形状误差统一评定的改进遗传算法,该算法显著特点是算法简单、计算精度和稳定性高、鲁棒性强、优化效率高,便于在坐标测量仪中推广应用,从而解决了形状误差迄今为止无法实现统一评定的难题.在深入分析各种形状误差特点的基础上,建立了基于遗传算法求解平面直线度、空间直线度、平面度、圆度、圆柱度、球度误差目标函数的数学模型,通过大量实例证实了算法的有效性.为了克服现有进化算法在解决高维、复杂优化问题时个体的自适应环境能力较弱等缺陷,该文基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想,提出一种新颖的免疫进化计算方法.建立了能够实现对混沌信号预测的前向神经网络结构,并将提出的免疫进化算法用于对神经网络优化,通过对Logistic混沌信号和太阳黑子数进行预测,并与BP算法、模糊遗传算法、遗传规划等多种方法进行比较,结果表明该文提出的方法预测精度明显高于其它方法,可以用来解决实际非线性时间序列预测问题.最后对该文提出的改进遗传算法和免疫进化算法进行了比较,阐明了各自的最佳适用场合.