本文针对动态Elman神经网络,提出了两种改进模型,并对Elman网络及其改进模型的收敛性与稳定性进行了分析。采用不同的Elman网络模型对超声马达进行辨识,并进行比较分析。基于改进的Elman网络模型,提出了一种超声马达的控制方法,实验结果验证了方法的有效性。提出了三种改进的遗传算法,即:变种群规模的遗传算法、“部落通婚”遗传算法和基于适应度—距离选择机制的遗传算法。通过数值模拟证明了所提出的算法与标准遗传算法相比具有一定的优势。针对旅行商问题,提出了一种离散的粒子群优化算法,并进一步将其推广到广义旅行商问题。通过对一些标准的TSP库问题的测试,表明了所提出方法的有效性。此外,还将混合进化算法总结为三种类型,即并行混合算法、串行混合算法与有机混合算法。以遗传算法、粒子群算法和免疫算法为例,对各种类型的混合算法做了综合比较,并通过对一些标准测试函数的计算,比较分析了各类算法的性能。