近红外光谱分析以其简便、 快速、 高效、 低成本、 绿色环保等优点, 已广泛应用于诸多领域。 然而, 近红外光谱同时存在变量维度高、 多重共线性、 包含冗余信息和高频噪声等问题, 直接构建预测模型不但增加建模复杂度, 同时也会影响模型的预测性能和泛化能力, 因此提出一种基于改进和声搜索算法(HS)的光谱特征变量选择方法。 HS常用于解决特征变量优化选择问题。 在应用和声搜索算法进行最优光谱变量选择时, 首先通过偏最小二乘(PLS)载荷系数计算各光谱点的特征贡献度, 作为和声搜索算法改进的扰动权重。 算法优选光谱特征变量过程中, 引入变量特征贡献度作为激励因子, 采用随机遍历和激励因子共同作用的方式生成初始解向量。 产生新和声向量时, 应用变量特征贡献度作为惩罚项, 通过加入平衡因子使选择参数随迭代次数而动态调整, 从而适应光谱变量的搜索, 增强搜索过程的遍历性和种群的多样性。 为验证本算法的有效性, 以烟叶样品烟碱、 总糖、 总氮三个指标的近红外光谱PLS建模应用为例, 对采集的原始光谱进行预处理后, 应用该方法对光谱变量进行优选, 根据变量被选择的累积频次分别计算不同变量个数的模型预测性能, 通过校正均方根误差(RMSEC)随变量增加的变化趋势确定最终选择的光谱特征变量。 在训练集上分别建立各指标的PLS模型, 应用测试集测试模型性能, 并与全光谱、 无信息变量消除法(UVE)和粒子群算法(PSO)进行比较。 实验结果显示, 应用该算法所选变量建立的烟碱、 总糖和总氮三个模型的决定系数(R2)分别为0.921 1, 0.925 7和0.941 2, 预测均方根误差(RMSEP)分别为0.102 3, 1.034 6和0.053 1, 与其他方法相比, 光谱特征变量更少, 同时R2和RMSEP值更优。 由此表明, 改进的和声搜索算法能有效筛选特征光谱, 降低建模复杂度, 提升模型预测性能和泛化能力。

针对现有多输入多输出（MIMO）雷达正交多相码的设计中存在的自相关旁瓣峰值和互相关峰值高、算法收敛速度慢的问题，提出了一种基于遗传-和声搜索算法的MIMO雷达正交多相码设计方法。该算法将和声搜索算法和遗传算法相结合，在遗传算法多次迭代获得一个较好的初始解的基础上，再使用和声搜索算法进一步搜寻邻近区域可能的解。该算法既具有遗传算法全局寻优的特性，又具备和声搜索算法的邻域寻优特性。所提方法能够加快发射信号自相关旁瓣峰值和互相关峰的收敛速度，同时增大主瓣和旁瓣的比值。仿真实验的结果证明了所提混合算法的优良性能。

为了消除基于双马赫-曾德尔干涉的分布式光纤传感系统中偏振退化和偏振相位漂移对定位性能的影响, 提出了一种结构简单、效率高的基于现场可编程门阵列(FPGA)的偏振控制方法。该方法采用偏振控制器反馈技术, 以两路光信号的反馈值作为控制函数, 结合改进的和声搜索(IHS)算法, 利用FPGA硬件并行结构和流水线技术快速实现算法迭代并控制偏振控制器调整偏振态。实验结果表明, 该方法能够在短时间内调整系统偏振态, 偏振控制时间约为0.7808 s, 系统的定位精度提高到±20 m以内, 有效地消除了偏振效应对定位性能的影响；另外以FPGA代替计算机作为系统的控制核心, 提升了数据处理速度, 缩短了偏振控制时间, 提高了系统集成度从而有利于实现偏振控制仪器的小型化。

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题，提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解，得到多尺度多方向高频子带; 通过对各方向子带的高频系数进行非线性增益处理，实现边缘增强和噪声抑制。对和声搜索算法的“调音”策略和参数设定方法进行了改进，对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数，提取谷底并进行形态学的边缘完善处理。最后进行了分割实验，并与其它方法做了比较。结果表明，采用该方法对不同类型气泡进行分割时，平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%，较传统分割方法有较大提高。该方法无需手工调节参数，自适应能力强，精度高。

针对光网络时延受限光组播路由计算复杂度高的问题，提出一种基于改进的和声搜索求解时延受限光组播路由的算法。论文通过引入自适应的和声记忆保留率及微调概率提高和声算法搜寻到全局最优光组播树的能力；算法设计了一个能够保持备选光组播树多样性的动态适应度函数以扩大光组播路由的搜索范围；同时，算法在初始化和声库时采用精英保留策略简化和声迭代过程。仿真结果表明，提出的改进算法能够求得代价更低的光组播路由，且算法在较大光网络规模下具有较好的收敛稳定性。