该论文的研究工作是以原煤炭工业部"八五"攻关项目(革矸石自动分选机)和"211"工程项目(三峡数字梯级调度决策支持系统)为背景展开论述的.论文针对原煤自动分选和梯级水电系统短期优化调度问题,深入探讨了当前国际学术界的热点——基因遗传算法(GA)和模糊神经网络(FNN),研究了两种新算法:生态遗传算法(NGA)和改进自适应遗传算法(IAGA),在提高解的品质和加快算法收敛速度方面进行了有益探索,并建立了一种基于NGA训练的新FNN模型.主要内容如下:1、基于对遗传算法"早熟"现象的分析,构造了一种新的NGA,即在已有研究的基础上,提出一种实用的生态算子,分别从资源共享和限制交叉两方面维持群体的多样性,有效地模拟了生物学中的小生境进化机制.2、针对许多实际应用中存在遗传算法全局收敛性能与收敛速度之间的矛盾,研究探讨了一种新IAGA,主要是通过对现有种群"早熟"程度评价指标不足之处的分析,设计出一种物理意义清楚、运算量小的新指标,有效避免了较差个体带来的不利影响,并在此基础上实现交叉概率p<,c>和变异概率p<,m>的自适应调整.3、在FNN理论的基础上,建立了一种新的FNNA模型,与常用模型相比,该模型不仅计算简单、收敛速度快,且具有明显的物理意义,尤其便于规则的抽取;论证了该网张的全局逼近性,为其用于实际建模提供理论基础;针对传统BP学习算法存在的学习效率低、收敛速度慢、易陷入误差曲面平坦区和局部极小点等不足,探讨了基于GA的FNN学习方法,使网络的收敛性能得以改善.4、针对煤与矸石两类组分模式的模糊分布关系,对采用经曲集合论的双能γ射线透射阈值识别模型加以改进,发展了一种基于新FNN的原煤组分模糊模式识别方法,提出采用NGA对FNN进行训练,并设计出适合FNN训练的杂交和变异算子.5遗传算法提供了一种不依赖问题种类的通用算法框架,可用于求解不同的优化问题.