进化计算是模拟生物在自然环境中的遗传进化机制形成的一种自适应全局优化搜索算法,与传统的数值方法不同,人们愈来愈注重了对进化计算的研究,并把它作为解决问题的一种新型方法,该方法在进化过程中通过重组、突变、选择对个体进行训练学习,向最优解逼近。数值方法是数学的一个分支,它的研究对象是利用计算机求解各种数学问题的数值方法。内容包括函数的数值逼近(插值与拟合),数值积分与数值微分,线性、非线性方程(组)的数值解法,常微分方程组及偏微分方程组的数值解法等。它们在19世纪,甚至更早一些时候就已经建立。现代计算机的出现为大规模的数值计算创造了条件,集中而系统地研究适用于计算机的数值方法变得十分迫切和必要。本文将主要采用进化策略来研究数值计算,把数值计算问题转化为函数优化问题以达到解决数值计算问题的目的,同时还将进化策略与差分演化、泛函网络等方法结合,提出新的解决数值问题的混合算法。将该方法分别应用于计算矩阵特征值、特征向量;化学方程式配平;求解复函数方程根等问题。这些问题虽用传统的数值方法可以解决,但存在着初值选取敏感、收敛速度慢、计算精度低、甚至不收敛等缺点。针对目前传统的数值方法存在的一些问题,本文的主要工作是利用进化策略算法并行搜索、全局收敛、鲁棒性等特性来弥补传统的数值方法存在的不足,同时将进化策略算法与差分演化算法、泛函网络相结合发挥各自的优点,这在处理某些问题时能起到事半功倍的效果。因此用进化策略、差分演化算法、泛函网络来研究数值计算,有较高的理论价值和实际意义。