粒度是颗粒在空间范围所占据大小的线性尺度。粒度分布是指不同粒度级的颗粒占物料的百分比,粒度分布范围越窄,那么颗粒的分散程度越小,即集中度越高。粉体材料的特性是由粉体颗粒平均粒径、粒径分布、颗粒形状等重要参数所决定。因此粉体颗粒平均粒径和粒径分布的测量技术及其颗粒形状的表征对获得粉体材料的特性极为重要,如何准确快速的测定粒度分布情况就同时变得很有必要。光散射法是目前颗粒测量应用中较为广泛的方法之一,颗粒反演就是根据测得散射光强反推出颗粒群中的粒度分布。由光散射理论得出光电探测器上光能和颗粒尺寸之间的关系式E = TW,即知道E和T,对W进行求解,这在理论上属于第一类Fredholm积分方程,很难利用传统的数值方法求解。在科学技术迅速发展的今天,颗粒反演的优化算法不断更新,研究者一直积极寻找各类优化算法来解这个方程组。本论文要做工作主要包括以下几个方面:(1)研究优化算法在颗粒反演中的应用,包括非负最小二乘法和Chahine算法。(2)研究遗传算法在颗粒反演中的应用,设计了新的适应度函数,介绍了编码方法以及遗传算子包括选择算子、交叉算子和变异算子的选择方法和原因。在利用遗传算法进行模拟时,为了减少计算结果的误差,没有选择使用较广的二进制编码方式,同时新的适应度函数的提出弥补了原始算法对误差计算的不足之处,适应度函数的计算包括了全局的均方根误差以及总体的最大误差,从而避免了个别较大误差的计算,使得反演的结果更为理想。(3)在原有反演算法的基础上进行改进和完善,将非负最小二乘法和Chahine算法与遗传算法结合起来,取长补短,进行反演。(4)以VB为基础,搭建一个反演算法平台,编写各个算法程序并综合各优化算法,对单峰、双峰和三峰分布形势的颗粒分布进行数值模拟并对数值进行统计比较。通过计算机数值模拟可以证明本论文提出的遗传算法的可靠性,粒度质量分布图和能谱图的拟合情况较好,反演结果图直观反应了改进的遗传算法模拟结果更加理想,通过对常用指标的计算得出主要的误差基本在1%以内,累积曲线也拟合的相当接近,这也充分证明了本论文算法的可靠性。