采用企业实际生产数据进行验证，实验结果表明采用改进遗传算法的出库货位优化算法效果更优，并且使用基于仓库繁忙度的自适应优化权重，能够有效降低货物因过久存放而造成货物价值下降的风险同时又能在仓库繁忙时优先考虑出库效率。
为解决服装生产中的裁剪分床计划问题，结合生产过程的影响因素和订单需求，建立了裁剪分床的多目标数学模型进行优化，使用一AZD5363小鼠种改进的双种群粒子群-遗传混合算法对模型求解。混合算法将进化种群划分为普通种群和精英种群，利用改进的遗传算法来全局搜索进化普通群体并筛选精英个体，同时结合粒子群优化算法进化精英群体。交叉和变异保证种群的多样性，粒子群寻优机制提升进化速度，两种群在进化时交叉影响不断寻找最优方案。实验结果表明：混合算法在解决多目标不的生产订单裁剪分床问题上表现稳定，相比改进的遗传算法有更快寻优速度，比手工计算方法减少1个裁床，裁剪时间缩短5分钟且超裁数量降低60%，可以适应不同目标需求，在实际生产中的裁剪分床上有一定的应用价值。
东乡野生稻（“东野”）是栽培稻遗传改良的重要种质资源，因此保护现存“东野”的遗传多样性十分重要。已有研究ALK 抑制剂都是利用核基因组标记分析“东野”遗传多样性，难以真实反映其来源和进化。本实验通过开发线粒体分子标记，从母体遗传的角度解析“东野”群落的遗传结构和分布情况，同时，联合分析“东野”和籼粳稻的细胞质遗传进化关系，探明“东野”群落的母体遗传分化特征，为“东野”的保存和保护提供确切的理论依据。
针对企业资源受限条件下的多项目调度问题，提出了一种改进的基于多项目重要度的关键链识别及缓冲评估方法。