作为人工智能的一个重要分支，进化计算是求解复杂最优化问题的主要途径。个体适应度评估是进化计算的重要步骤，个体适应度评估方法的可集成性、高效性以及精确性是影响进化计算可行性、实用性以及精确性的关键因素。本文针对因缺少可集成、高效的个体适应度评估方法而使得进化计算不能有效求解最优化问题这一瓶颈，对“盲评估进化计算方法”展开研究。首次提出个体适应度盲评估的方法，并基于个体适应度盲评估方法首次提出盲评估进化计算方法。本文的研究通过“个体适应度盲评估”这一新的角度，提升了进化计算的算法性能，扩展了进化计算的有效应用范围，为更多领域的复杂最优化问题提供了求解方法。本文的主要工作概括如下：
　　1.首次对个体适应度盲评估方法进行了研究。主要包括：结合最优化问题以及进化计算的特点，首次提出了个体适应度盲评估的概念，对个体适应度盲评估方法的定义及特性进行了阐述；然后基于机器学习技术，首次将卷积神经网络与进化计算的个体适应度评估相结合，以盲评估神经网络作为盲评估方法的具体形式，并对盲评估神经网络的架构及训练方法进行了设计；最后对盲评估神经网络产生的操作复杂度以及运行效率进行了讨论，并通过实验证明了盲评估神经网络具备较高的评估精度。
　　2.将提出的盲评估方法应用于进化计算中，首次对盲评估进化计算方法进行了研究。主要包括：为提升盲评估进化计算的性能，对盲评估神经网络架构做了进一步优化，并基于盲评估神经网络的特点，提出了盲评估进化计算的两种优化设计策略，即“少次多量”原则以及“阶段性最优个体输出”策略；然后将盲评估方法与混洗蛙跳算法相结合，并基于所提出的优化设计策略对算法进行改进，提出了一种盲评估进化计算方法——SSFLA-BE；最后对SSFLA-BE算法较高的运算效率及良好的精确性通过实验进行了验证。
　　3.为了进一步提高盲评估进化计算的性能，对盲评估方法做了进一步改进。主要包括：针对提升盲评估进化计算的精确性而提出了盲评估神经网络的“区域强化学习”策略；以及针对提升盲评估进化计算可行性及实用性提出了盲评估神经网络的“迁移学习”策略；实验结果表明所提出的改进策略有效提升了盲评估进化计算的性能。
　　4.从最优化的角度出发，对采用进化计算求解区域调光这一实际问题进行了研究。主要包括：首先从传统个体适应度评估方法的设计角度，以提升系统显示图像质量为目标，为区域调光问题设计了一种有较高评估精度的可集成粗略个体适应度评估方法；然后结合该评估方法采用烟花算法对区域调光问题进行求解，并基于区域调光系统的特点对算法细节进行设计，进而提出了一种基于进化计算的区域调光算法——FWA-LD；最后在实验中对FWA-LD良好的寻优能力进行了验证，并通过对显示图像质量的主观评价结果证明了所提出的个体适应度评估方法良好的精确性。
　　5.为了获取效率更高的区域调光方法，首次将盲评估进化计算应用于区域调光问题，在提升调光方法运算效率的同时在实际应用中验证盲评估进化计算的性能。主要包括：对用于区域调光问题的盲评估神经网络的架构及训练方法进行了设计；采用算法融合思想，将SSFLA-BE与FWA-LD相融合，提出了一种基于改进盲评估进化计算的区域调光方法——SSFLA-FWA-BE；实验结果证明基于盲评估进化计算设计的区域调光方法具备更高的效率。