矢量场测量技术是空间测量技术的一个基本问题,在光纤陀螺仪、光纤水听器、经纬仪、光电跟踪系统、数字罗盘误差校正等领域有着广泛应用。在工程实践中,由于受加工技术和安装水平的制约,在矢量场测量系中往往会存在一些误差,具体为轴间非正交引起的正交误差,轴间标度系数不同造成的增益偏差和传感器输出值偏移造成的零点漂移等。在现今对测量精度要求日益严苛的情况下,就必须要考虑到如何对这些误差进行修正。由于误差的非线性与三维测量的需要,标定工作变得很难进行,而且对设备的要求也很高。但是通过提高加工制造水平来消除这些误差并不现实,相较而言比较有效可行的办法是利用各种智能优化方法对测量系中的各种误差进行校正。智能优化算法中的遗传算法特别适用于空间测量系的校正,具有较好的优化效果。遗传算法模仿自然界物种进化过程的一种方法,在应用过程中表现出一些不足,例如在基本遗传算法中,决策参数选取的是否恰当对算法的寻优结果及运行效率有着关键的影响,但是人为选取就无法避免对人工经验的依赖,而且在实践中往往需要多次试验才能确定具体的取值,费时费力,影响算法的效率。针对以上问题《矢量场测量系进化算法优化研究》一文提出了“自进化遗传算法”的概念,对交叉概率和变异概率进行编码并引入染色体中,交叉基因和变异基因与其他基因共同完成各项遗传操作,使自进化遗传算法可以实现自我进化,同时也使算法具备在线校正的能力。本文对自进化遗传算法做出进一步的改进,对交叉概率和变异概率的微调算子进行优化,并把最速下降法的思想引入自进化遗传算法,从而产生混合自进化遗传算法。利用几个经典的测试函数对新算法的寻优性能进行测试,结果证明混合自进化遗传算法的搜索能力得到了提高。然后,利用混合自进化遗传算法解决矢量场测量系误差修正问题:首先确定了系统的数学模型,求出中间变换矩阵,接着利用混合自进化遗传算法对中间矩阵的参数进行寻优,包括编码方法的选择、确立适应度函数及一系列遗传操作的设计等。将混合自进化遗传算法的仿真结果与自进化遗传算法的误差校正结果进行比较,新算法具有更高的寻优精度,更易跨过陷入局部最优的障碍,证明混合自进化遗传算法是有效可行的。混合自进化遗传算法的提出为各类光学相关的课题和研究提供了新的解决思路。