该文研究了进化计算及其在测试技术中的应用,主要内容是遗传算法原理及技术、进化计算在信号处理及人工神经网络中的应用.回顾了进化计算的起源和发展,概括了进化计算的主要特点及分类,总结了进化计算的理论研究及应用现状,简要介绍了进化计算的国际信息交流.以函数优化为例系统阐述了标准遗传算法的基本原理,遗传算法关键的基本理论——模式定量.简要描述了进化规划和进化策略,比较了遗传算法、进化规划和进化策略三种算法的异同.介绍了近两年在国际上颇受进化计算研究人员注意的遗传规划.介绍了遗传算法全局收敛性证明运用的数学工具——有限齐次Markov链,证明了具有复制、交叉、变异操作的标准遗传算法收敛不到全局最优解,而保留最优个体的遗传算法可概率地收敛到全局最优解.提出了一种改进的实数遗传交叉策略.介绍了频率抽样理论和FIR数字滤波器设计——频率采样法,提出了将进化计算应用于频率抽样技术的FIR数字滤波器设计.回顾了近年来进化神经网络及其应用研究的进展情况.分别将遗传算法和进化规划用于前向神经网络的参数估计.提出了一种BP-EP混合算法即用进化规划确定神经网络的训练速率,较好地克服了BP算法易陷入局部最小的缺陷.