：卡尔曼滤波（KF）的已被广泛应用于目标状态估计，但以机动状态存在时，其性能可能会受到严重影响，因为移动可以表现为加在目标模型上的大量的噪声而且过程噪声方差掩盖不了它。为了解决这个问题，文章提出了一种新型智能KF（IKF）可以跟踪机动目标。未知的目标加速度被视为添加的过程噪声，而整个过程噪声的时变方差是在智能模糊系统中近似计算的。为了优化模糊系统，遗传算法（GA）或DNA编码方法可以利用，根据使用的这些优化方法，我们称这种滤波器为基于遗传算法的IKF或基于DNA编码的IKF。这种IKF利用一个

本人博士论文，将生命现象理解为程序，并用Java的字节码来解释DNA编码，即DNA编码也是一种类似于中介码的程序。建立了几个程序模型来模拟生命现象中关键过程：如细胞分裂、细胞分化、生命进化等，本人认为很有意义，当然还需要进一步研究。

DNA编码问题是DNA计算的关键,然而,它已被证明为NP困难问题,通常采用优化算法求解。针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,结合文化算法采用种群空间和信念空间的双层进化结构进行寻优,提出了一种基于遗传算法和文化算法的混合优化算法用于解决DNA编码问题。仿真结果表明该混合算法能有效地用于DNA编码序列设计。

基于生物 DNA 的结构和遗传机理, 提出一种新颖的基于 DNA 编码方法的遗传算法。给出了 DNA 遗传算法的结构,讨论了遗传操作算子。为验证 DNA 遗传算法的有效性, 将其应用于 TS 模糊控 制系统的优化设计,仿真结果表明该算法具有较好的自学习能力。